Question

在此页levenshtein()上，我使用示例＃1和以下变量：

// input misspelled word
$input = 'htc corporation';

// array of words to check against
$words = array('htc', 'Sprint Nextel', 'Sprint', 'banana', 'orange',
        'radish', 'carrot', 'pea', 'bean');

有人可以告诉我为什么预期的结果是胡萝卜而不是 htc ？感谢

Answer 1

因为距离htc corporation的levenshtein距离是12，而胡萝卜的距离只有11。

levenshtein函数计算为了获得某个单词而必须添加或替换的字符数，并且因为htc corporation有比htc多12个字符，所以必须删除12才能到达{ {1}}。要从htc转到单词carrot，需要进行11次更改。

Answer 2

“htc corporation”到“htc”的距离为12（删除“公司”= 12个字符）。 “htc corporation”与“胡萝卜”的距离不超过11。

“htc corporation”=＆gt; “公司”：4
“corporation”=＆gt; “公司”：3
“corporat”=＆gt; “corrat”：2
“corrat”=＆gt; “carrat”：1
“carrat”=＆gt; “胡萝卜”：1

4 + 3 + 2 + 1 + 1 = 11

看起来你可能正在寻找的不是直接的levenshtein距离，而是“最近的子串”匹配。使用修改后的Levenshtein算法here就可以实现这样的事情。使用此算法得分：

htc：0
Sprint Nextel：11
冲刺：4
香蕉：5
橙色：3
萝卜：3
胡萝卜：3
豌豆：2
豆：3

将“htc”识别为精确的子串匹配，并将其得分为零。亚军“豌豆”得分为2，因为你可以将它与公司中的“p”，“e”或“a”对齐，然后替换其他两个角色等。使用此算法时，您应该知道分数永远不会高于“针”字符串的长度，因此较短的字符串通常会得到较低的分数（它们“更容易匹配”）。

Answer 3

Levenshtein distance是用于测量两个序列之间差异的字符串度量。非正式地说，两个单词之间的Levenshtein距离是将一个单词改为另一个单词所需的单字符编辑（插入，删除，替换）的最小数量。

这是一个简单的分析

$input = 'htc corporation';

// array of words to check against
$words = array(
    'htc',
    'Sprint Nextel',
    'Sprint',
    'banana',
    'orange',
    'radish',
    'carrot',
    'pea',
    'bean' 
);

foreach ( $words as $word ) {

    // Check for Intercept
    $ic = array_intersect(str_split($input), str_split($word));

    printf("%s \t l= %s , s = %s , c = %d \n",$word ,  
    levenshtein($input, $word), 
    similar_text($input, $word), 
    count($ic));
}

输出

htc      l= 12 , s = 3 , c = 5 
Sprint Nextel    l= 14 , s = 3 , c = 8 
Sprint   l= 12 , s = 1 , c = 7 
banana   l= 14 , s = 2 , c = 2 
orange   l= 12 , s = 4 , c = 7 
radish   l= 12 , s = 3 , c = 5 
carrot   l= 11 , s = 1 , c = 10  
pea      l= 13 , s = 2 , c = 2 
bean     l= 13 , s = 2 , c = 2

很明显htc的距离为12而胡萝卜的距离为11，如果你想要htc，那么Levenshtein单独是不够的......你需要比较确切的单词然后设置优先级

PHP levenshtein（）函数是否有错误？

3 个答案: