当前位置:网站首页>Pattern matching: The gestalt approach一种序列的文本相似度方法
Pattern matching: The gestalt approach一种序列的文本相似度方法
2020-11-06 01:28:00 【IT界的小小小学生】
转载请注明原创:https://blog.csdn.net/HHTNAN
Pattern matching: The gestalt approach
python 比较两个序列的相似度,不需要分词
案例1
import difflib
a="做子宫肌瘤微创手术用多少钱"
b="股癣是什么样子的?怎么治疗股癣好?"
print (difflib.SequenceMatcher(None,a,b).ratio())
输出:
0.06666666666666667
案例2
import difflib
a="做子宫肌瘤微创手术用多少钱"
b="做子宫肌瘤微创手术具体费用"
print (difflib.SequenceMatcher(None,a,b).ratio())
输出:
0.769230769
案例3
import difflib
a="做子宫肌瘤微创手术用多少钱"
b="具体费用做子宫肌瘤微创手术"
print (difflib.SequenceMatcher(None,a,b).ratio())
输出:
0.6923076923076923
案例4
import difflib
a="做子宫肌瘤微创手术用多少钱"
b="具体费用子宫肌瘤做微创手术"
print (difflib.SequenceMatcher(None,a,b).ratio())
0.6153846153846154
通过上面的案例可以看出本算法侧重的,是序列的相似性。会忽视主体的词义、语义。
该算法计算返回的分数为共同发现的序列字符数的两倍除以两个字符串中的字符总数; 得分以整数形式返回,反映百分比匹配。
目前猜测算法计算公式,
如果序列中位置没有完全匹配,如案例3,则其计算分数为9/13,9为最大公共字串,13为总字符序列数,案例4为8/13的结果,理解为4+4/13的结果。那么问题来了为什么案例2中最大9为最大公共字串的分数是那么高,应该是有一个位置完全一致得分+1.即其结果理解为9+1/13得到的结果。以上猜想均为根据测试进行猜想,并未进行有效验证,并不权威哦,后面我找到论文后拜读下,再做整理。(值得注意的是再进行过程中是以B字符为基准进行的。)
案例5
import difflib
a=“10个月宝宝贫血”
b=“10个月宝宝流鼻血”
print (difflib.SequenceMatcher(None,a,b).ratio())
输出
0.8235294117647058
(7+8)+1/len(a)+len(b)=7*2/8+9=0.8235294117647058
转载请注明原创:https://blog.csdn.net/HHTNAN

版权声明
本文为[IT界的小小小学生]所创,转载请带上原文链接,感谢
https://vip01.blog.csdn.net/article/details/87933434
边栏推荐
猜你喜欢
随机推荐
面经手册 · 第16篇《码农会锁,ReentrantLock之公平锁讲解和实现》
c++学习之路:从入门到精通
架构文章搜集
Using tensorflow to forecast the rental price of airbnb in New York City
刚刚,给学妹普及了登录的两大绝学
用TensorFlow预测纽约市AirBnB租赁价格
PPT画成这样,述职答辩还能过吗?
对pandas 数据进行数据打乱并选取训练机与测试机集
刚毕业不久,接私活赚了2万块!
Flink on PaaSTA:Yelp运行在Kubernetes上的新流处理平台
想要做读写分离,送你一些小经验
让前端攻城师独立于后端进行开发: Mock.js
Skywalking系列博客1-安装单机版 Skywalking
50+开源项目正式集结完毕,百万开发者正在投票
如何在Windows Server 2012及更高版本中将域控制器降级
Python爬蟲實戰詳解:爬取圖片之家
刷了LeetCode的链表专题,我发现了一个秘密!
什么是无副作用的函数方法?如何取名? - Mario
【C/C++ 2】Clion配置与运行C语言
基于SVM的异常检测方法