矩阵式比较两文本字符串相似度（包含汉字）方法两则（java代码）

女爷i 2022-06-09 06:18 207阅读 0赞

本文主要是我最近做项目的过程中遇到的一个问题：比较两个文本字符串的相似度，经过我两天的大量查阅以及思考和整理，得出一下两种方法，第一种方法是网上的一位大神写的，我经过了一部分改写，更适合各位猿友观赏，第二种是我的领导总结的：

part 1：

package com.gsww.ctyxy.util;  
import java.text.NumberFormat;    
   
import java.util.Locale;    
   
   
/\*\*   
   
\* 比较两个字符串的相似度   
   
\*/    
   
public class AutomaticRating \{    
   
/\*    public static void main(String\[\] args) \{    
   
       String strA = "我是中国人";    
   
       String strB = "我是中国人";    
   
       double result=SimilarDegree(strA, strB);    
   
       if(result>=0.4&&result<0.6)\{    
           System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--及格");    
   
       \}else if (result>=0.6&&result<0.8) \{  
         
        System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--良好");    
  
       \}else if (result>=0.8) \{  
         
        System.out.println("本次作业的成绩为：" +similarityResult(result)+result+"--优秀");    
\}else\{    
   
           System.out.println("本次作业的成绩为："+similarityResult(result)+result+"--不及格");    
   
       \}     
   \}  \*/  
   
   
   
   /\*\*   
   
    \* 相似度转百分比   
   
    \*/    
   
   public static String similarityResult(double resule)\{    
   
       return  NumberFormat.getPercentInstance(new Locale( "en ", "US ")).format(resule);    
   
   \}    
   
       
   
   /\*\*   
   
    \* 相似度比较   
   
    \* @param strA   
   
    \* @param strB   
   
    \* @return   
   
    \*/    
   
   public static double SimilarDegree(String strA, String strB)\{    
   
       String newStrA = removeSign(strA);    
       //System.out.println(newStrA);  
       String newStrB = removeSign(strB);    
       //System.out.println(newStrB);  
   
       int temp = Math.max(newStrA.length(), newStrB.length());    
     int  lenA = newStrA.length();  
     int lenB = newStrB.length();  
       System.out.println(temp);  
       int temp2 = 0;  
       //在此判断newStrA和newStrB的长度  
       if (lenA >=lenB?true:false) \{  
         temp2 = longestCommonSubstring(newStrA, newStrB).length();    
\}else\{  
temp2 = longestCommonSubstring(newStrB, newStrA).length();    
\}  
        
       System.out.println(temp2);  
       return temp2 \* 1.0 / temp;    
   
   \}    
   
       
   
   private static String removeSign(String str) \{    
   
       StringBuffer sb = new StringBuffer();    
   
       for (char item : str.toCharArray())    
   
           if (charReg(item))\{    
   
               System.out.println("--"+item);    
   
               sb.append(item);    
   
           \}    
       System.out.println(sb.toString());  
   
       return sb.toString();    
   
   \}    
   
   
   //利用正则表达式来解析字符串  
   private static boolean charReg(char charValue) \{    
   
       return (charValue >= 0x4E00 && charValue <= 0X9FA5)    
   
               || (charValue >= 'a' && charValue <= 'z')    
   
               || (charValue >= 'A' && charValue <= 'Z')    
   
               || (charValue >= '0' && charValue <= '9');    
   
   \}    
   
   
 //解析两个字符串的相同部分的长度，返回公共部分，strA字符串长度 > strB字符串  
   private static String longestCommonSubstring(String strA, String strB) \{    
   
       char\[\] chars\_strA = strA.toCharArray();    
   
       char\[\] chars\_strB = strB.toCharArray();    
   
       int m = chars\_strA.length;    
   
       int n = chars\_strB.length;    
   
       int\[\]\[\] matrix = new int\[m + 1\]\[n + 1\];    
   
       for (int i = 1; i <= m; i++) \{    
   
           for (int j = 1; j <= n; j++) \{    
   
               if (chars\_strA\[i - 1\] == chars\_strB\[j - 1\])    
   
                   matrix\[i\]\[j\] = matrix\[i - 1\]\[j - 1\] + 1;    
   
               else    
   
                   matrix\[i\]\[j\] = Math.max(matrix\[i\]\[j - 1\], matrix\[i - 1\]\[j\]);    
   
           \}    
   
       \}    
   
       char\[\] result = new char\[matrix\[m\]\[n\]\];    
   
       int currentIndex = result.length - 1;    
   
       while (matrix\[m\]\[n\] != 0) \{    
   
           if (matrix\[n\] == matrix\[n - 1\])    
   
               n--;    
   
           else if (matrix\[m\]\[n\] == matrix\[m - 1\]\[n\])     
   
               m--;    
   
           else \{    
   
               result\[currentIndex\] = chars\_strA\[m - 1\];    
   
               currentIndex--;    
   
               n--;    
   
               m--;    
   
           \}    
       \}    
   
       return new String(result);    
   
   \}    
   
\}    
  
part 2：public class SimilarityRatio \{  
    private int compare(String str, String target)  
    \{  
        int d\[\]\[\];              // 矩阵  
        int n = str.length();  
        int m = target.length();  
        int i;                  // 遍历str的  
        int j;                  // 遍历target的  
        char ch1;               // str的  
        char ch2;               // target的  
        int temp;               // 记录相同字符,在某个矩阵位置值的增量,不是0就是1  
        if (n == 0) \{ return m; \}  
        if (m == 0) \{ return n; \}  
        d = new int\[n + 1\]\[m + 1\];  
        for (i = 0; i <= n; i++)  
        \{                       // 初始化第一列  
            d\[i\]\[0\] = i;  
        \}  
  
  
        for (j = 0; j <= m; j++)  
        \{                       // 初始化第一行  
            d\[0\]\[j\] = j;  
        \}  
  
  
        for (i = 1; i <= n; i++)  
        \{                       // 遍历str  
            ch1 = str.charAt(i - 1);  
            // 去匹配target  
            for (j = 1; j <= m; j++)  
            \{  
                ch2 = target.charAt(j - 1);  
                if (ch1 == ch2 || ch1 == ch2+32 || ch1+32 == ch2)  
                \{  
                    temp = 0;  
                \} else  
                \{  
                    temp = 1;  
                \}  
                // 左边+1,上边+1, 左上角+temp取最小  
                d\[i\]\[j\] = min(d\[i - 1\]\[j\] + 1, d\[i\]\[j - 1\] + 1, d\[i - 1\]\[j - 1\] + temp);  
            \}  
        \}  
        return d\[n\]\[m\];  
    \}  
  
  
    private int min(int one, int two, int three)  
    \{  
        return (one = one < two ? one : two) < three ? one : three;  
    \}  
  
  
    /\*\*  
     \* 获取两字符串的相似度  
     \*/  
  
  
    public float getSimilarityRatio(String str, String target)  
    \{  
        //去除空白字符、换行、标点符号  
        String regex = "\[\\\\pP\\\\p\{Punct\}\\\\s\]";  
        return 1 - (float) compare(str.replaceAll(regex, ""), target.replaceAll(regex, "")) / Math.max(str.length(), target.length());  
    \}  
  
  
    public static void main(String\[\] args)  
    \{  
        String  str= "论据容易理解,把它们分成小块,并以相似的格式和句子结构呈现每一个论据";  
        String target = "根据领域关系可以合并领域相同或相似的句子，得到句群及其领域";  
        SimilarityRatio lt = new SimilarityRatio();  
        System.out.println("similarityRatio=" + lt.getSimilarityRatio(str, target));  
    \}  
\}

备注：上述两种方法都是经过反复测试和修改得到的，代码绝对简练和高大上，有猿友想要使用完全可以复制粘贴；

当然有好意见的请随时批评；