MySQL에서 문자열 유사성 백분율을 효율적으로 계산하려면 어떻게 해야 합니까?

MySQL에서 문자열 유사성 계산

두 문자열 간의 유사성을 계산하는 것은 자연어 처리 및 데이터 분석에서 일반적인 작업입니다. MySQL은 효율적이고 정확한 문자열 유사성 계산을 가능하게 하는 강력한 기능인 LEVENSHTEIN을 제공합니다.

LEVENSHTEIN은 두 문자열 사이의 편집 거리를 측정합니다. 이는 하나의 문자열을 변환하는 데 필요한 최소 삽입, 삭제 또는 대체 횟수입니다. 다른쪽으로. Levenshtein 거리가 낮을수록 문자열 간의 유사성이 높다는 것을 나타냅니다.

두 문자열 @a와 @b 간의 유사성 비율을 계산하려면 다음 공식을 사용할 수 있습니다.

similarity = count(similar words between @a and @b) / (count(@a) + count(@b) - count(intersection))

여기서 교차점은 @a와 @b에 모두 나타나는 단어 수를 나타냅니다.

MySQL에서 이 공식을 구현하려면 다음을 사용할 수 있습니다. 함수:

CREATE FUNCTION `levenshtein`( s1 text, s2 text) RETURNS int(11)
    DETERMINISTIC
BEGIN 
    DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT; 
    DECLARE s1_char CHAR; 
    DECLARE cv0, cv1 text; 
    SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0; 
    IF s1 = s2 THEN 
      RETURN 0; 
    ELSEIF s1_len = 0 THEN 
      RETURN s2_len; 
    ELSEIF s2_len = 0 THEN 
      RETURN s1_len; 
    ELSE 
      WHILE j <= s2_len DO 
        SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1; 
      END WHILE; 
      WHILE i <= s1_len DO 
        SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1; 
        WHILE j <= s2_len DO 
          SET c = c + 1; 
          IF s1_char = SUBSTRING(s2, j, 1) THEN  
            SET cost = 0; ELSE SET cost = 1; 
          END IF; 
          SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost; 
          IF c > c_temp THEN SET c = c_temp; END IF; 
            SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1; 
            IF c > c_temp THEN  
              SET c = c_temp;  
            END IF; 
            SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1; 
        END WHILE; 
        SET cv1 = cv0, i = i + 1; 
      END WHILE; 
    END IF; 
    RETURN c; 
  END

CREATE FUNCTION `levenshtein_ratio`( s1 text, s2 text ) RETURNS int(11)
    DETERMINISTIC
BEGIN 
    DECLARE s1_len, s2_len, max_len INT; 
    SET s1_len = LENGTH(s1), s2_len = LENGTH(s2); 
    IF s1_len > s2_len THEN  
      SET max_len = s1_len;  
    ELSE  
      SET max_len = s2_len;  
    END IF; 
    RETURN ROUND((1 - LEVENSHTEIN(s1, s2) / max_len) * 100); 
  END

이러한 함수를 사용하면 @a와 @b 사이의 유사성을 다음과 같이 계산할 수 있습니다.

SELECT LEVENSHTEIN_RATIO(@a, @b);

이 경우 유사성 비율이 정수로 반환됩니다. 0에서 100 사이의 값. 여기서 100은 완전한 유사성을 나타냅니다.

위 내용은 MySQL에서 문자열 유사성 백분율을 효율적으로 계산하려면 어떻게 해야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!