C#比較兩個字串的相似性【轉】

標籤：代碼   linq   比較   base   實際應用   系統   存在   length   mil   

 

原文地址：http://www.2cto.com/kf/201202/121170.html

我們在做資料系統的時候，經常會用到模糊搜尋，但是，資料庫提供的模糊搜尋並不具備按照相關度進行排序的功能。

現在提供一個比較兩個字串相似性的方法。
通過計算出兩個字串的相似性，就可以通過Linq在記憶體中對資料進行排序和篩選，選出和目標字串最相似的一個結果。
 
本次所用到的相似性計算公式是 相似性=Kq*q/(Kq*q+Kr*r+Ks*s) (Kq > 0 , Kr>=0,Ka>=0)
其中，q是字串1和字串2中都存在的單詞的總數，s是字串1中存在，字串2中不存在的單詞總數，r是字串2中存在，字串1中不存在的單詞總數. Kq,Kr和ka分別是q,r,s的權重，根據實際的計算情況，我們設Kq=2，Kr=Ks=1.
根據這個相似性計算公式，得出以下程式碼：
/// <summary>
/// 擷取兩個字串的相似性
/// </summary>
/// <param name=”sourceString”>第一個字串</param>
/// <param name=”str”>第二個字串</param>
/// <returns></returns>
public static decimal GetSimilarityWith(this string sourceString, string str)
{

decimal Kq = 2;
decimal Kr = 1;
decimal Ks = 1;

char[] ss = sourceString.ToCharArray();
char[] st = str.ToCharArray();

//擷取交集數量
int q = ss.Intersect(st).Count();
int s = ss.Length – q;
int r = st.Length – q;

return Kq * q / (Kq * q + Kr * r + Ks * s);
}

 
這就是計算字串相似性的方法，但是實際應用時，還需要考慮到同義字或近義詞的情況發生， 如“愛造人小說閱讀的更新最快”和“愛造人小說閱讀地更新最快” 。兩個字串在一定意義上說其實是相同的，如果使用上述方法計算就會出現不準確的情況。所以在實際應用的時候，我們需要替換同義字或近義詞，計算替換後的相似性。
如果是近義詞，需要綜合替換近義詞前和近義詞後的計算結果，得出兩個字串的實際相似性。

C#比較兩個字串的相似性【轉】