如何使用重叠词和编辑距离测量 MySQL 中的字符串相似度？

如何在 MySQL 中计算字符串相似度

要计算 MySQL 中两个字符串之间的相似度，我们可以利用字符串操作函数和数学表达式。考虑以下示例，其中我们有两个字符串：

SET @a = "Welcome to Stack Overflow";
SET @b = "Hello to stack overflow";

使用重叠单词的相似性计算

我们可以计算两个字符串中出现的单词数量并使用作为相似度的衡量标准。在这种情况下，以下单词重叠：

• 欢迎
• 到
• 堆栈
• 溢出

计算相似度索引

相似度索引计算如下：

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

使用 Levenshtein 函数

MySQL 本身不支持以下函数：字符串相似度。但是，我们可以使用名为 levenshtein 的用户定义函数 (UDF) 来计算 Levenshtein 距离，该距离测量将一个字符串转换为另一个字符串所需的编辑（插入、删除或替换）次数。

创建 Levenshtein UDF

CREATE FUNCTION `levenshtein`(s1 text, s2 text) RETURNS int(11)
DETERMINISTIC
...

有关的更多详细信息Levenshtein UDF，请参考提供的代码片段。

计算相似度

最后，我们可以通过根据最大长度标准化Levenshtein距离来计算相似度两个字符串的相似度：

CREATE FUNCTION `levenshtein_ratio`(s1 text, s2 text) RETURNS int(11)
DETERMINISTIC
...

例如，@a 和 @b 之间的相似度比率使用Levenshtein 比率函数可以计算为：

SELECT levenshtein_ratio(@a, @b);

这将以百分比值形式返回相似率。

以上是如何使用重叠词和编辑距离测量 MySQL 中的字符串相似度？的详细内容。更多信息请关注PHP中文网其他相关文章！