Levenshtein 거리를 사용하여 Java에서 문자열 유사성을 계산하는 방법은 무엇입니까?

Java의 유사성 문자열 비교

유사성 측정의 필요성 이해

텍스트 데이터의 경우 문자열 간의 유사성을 평가하는 것이 중요합니다. 이는 중복 콘텐츠 식별, 가장 유사한 검색 결과 찾기, 심지어 텍스트에서 의미 있는 정보 추출과 같은 작업에 도움이 될 수 있습니다. 다행스럽게도 Java에는 문자열 유사성을 계산하는 효율적이고 잘 확립된 방법이 있습니다.

유사성 함수 소개

문자열 비교에 대한 가장 일반적인 접근 방식은 유사성 지수 두 문자열 사이의 유사 정도를 수량화합니다. 널리 사용되는 유사성 척도는 Levenshtein Distance로, 한 문자열을 다른 문자열로 변환하는 데 필요한 최소 편집(삽입, 삭제 또는 대체) 횟수를 계산합니다. 이 거리 측정법은 일반적으로 0과 1 사이의 범위로 정규화되며, 값이 높을수록 유사성이 크다는 것을 나타냅니다.

레벤슈타인 거리 구현

레벤슈타인을 계산하는 한 가지 방법 거리는 **Apache Commons Text** 라이브러리에서 제공하는 **String.getLevenshteinDistance()** 메서드를 사용하여 결정됩니다. 이는 표준 Levenshtein 알고리즘을 구현합니다. 또는 아래 코드에 표시된 대로 알고리즘을 수동으로 구현할 수도 있습니다.

public static int editDistance(String s1, String s2) {
  int n = s1.length() + 1;
  int m = s2.length() + 1;
  int[][] matrix = new int[n][m];

  for (int i = 0; i < n; i++) {
    matrix[i][0] = i;
  }

  for (int j = 0; j < m; j++) {
    matrix[0][j] = j;
  }

  for (int i = 1; i < n; i++) {
    for (int j = 1; j < m; j++) {
      int cost = (s1.charAt(i - 1) == s2.charAt(j - 1)) ? 0 : 1;
      matrix[i][j] = Math.min(
        matrix[i - 1][j] + 1, // deletion
        Math.min(
          matrix[i][j - 1] + 1, // insertion
          matrix[i - 1][j - 1] + cost // substitution
        )
      );
    }
  }

  return matrix[n - 1][m - 1];
}

유사성 지수 계산

Levenshtein 거리가 계산되면 유사성은 인덱스는 더 긴 길이로 정규화하여 얻을 수 있습니다. 문자열:

public static double similarity(String s1, String s2) {
  double longerLength = Math.max(s1.length(), s2.length());
  return 1.0 - (editDistance(s1, s2) / longerLength);
}

결론

Levenshtein Distance와 Java의 유사성 함수를 구현하면 문자열 간의 유사성을 평가하기 위한 강력한 도구를 얻을 수 있습니다. 이 기술은 자연어 처리, 데이터 분석 및 텍스트 콘텐츠 비교가 필수적인 기타 도메인에서 다양한 응용 분야를 찾습니다.

위 내용은 Levenshtein 거리를 사용하여 Java에서 문자열 유사성을 계산하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!