php文章相似性計算similar_text()函數升級

php預設有個函數similar_text()用於計算字串之間的相似性，該函數也可以計算兩個字串的相似性（以百分比計）。不過這個函數感覺對中文計算很不準確比如：

代碼如下	複製代碼
echo similar_text("吉林禽業公司火災已致112人遇難","吉林寶源豐禽業公司火災已致112人遇難");

這兩個新聞標題其實都是一樣的，如果使用similar_text()相似對結果為：42，即只相似42%，所以這個感覺很不靠譜，今天剛好收集到一段PHP代碼也是用於比較兩個字串的相似性，直接貼出代碼：

代碼如下

複製代碼

<?php class LCS {     var $str1;     var $str2;     var $c = array();     /*返回串一和串二的最長公用子序列 */     function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {         $this->str1 = $str1;         $this->str2 = $str2;         if ($len1 == 0) $len1 = strlen($str1);         if ($len2 == 0) $len2 = strlen($str2);         $this->initC($len1, $len2);         return $this->printLCS($this->c, $len1 - 1, $len2 - 1);     }     /*返回兩個串的相似性 */     function getSimilar($str1, $str2) {         $len1 = strlen($str1);         $len2 = strlen($str2);         $len = strlen($this->getLCS($str1, $str2, $len1, $len2));         return $len * 2 / ($len1 + $len2);     }     function initC($len1, $len2) {         for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0;         for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0;         for ($i = 1; $i < $len1; $i++) {             for ($j = 1; $j < $len2; $j++) {                 if ($this->str1[$i] == $this->str2[$j]) {                     $this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1;                 } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {                     $this->c[$i][$j] = $this->c[$i - 1][$j];                 } else {                     $this->c[$i][$j] = $this->c[$i][$j - 1];                 }             }         }     }     function printLCS($c, $i, $j) {         if ($i == 0 || $j == 0) {             if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j];             else return "";         }         if ($this->str1[$i] == $this->str2[$j]) {             return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];         } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {             return $this->printLCS($this->c, $i - 1, $j);         } else {             return $this->printLCS($this->c, $i, $j - 1);         }     } } $lcs = new LCS(); //返回最長公用子序列 $lcs->getLCS("hello word","hello china"); //返回相似性 echo $lcs->getSimilar("吉林禽業公司火災已致112人遇難","吉林寶源豐禽業公司火災已致112人遇難");同樣輸出結果為：0.90322580645161，明顯準確的多。

還有一種辦法就是利用分詞系統我們把標題分詞，然後再進行會更準確一些哦。