文本相似度算法对比分析,判断内容相似的算法有

有哪些算法用于比较两个字符串的相似程度

终于知道怎么判断字符串相似度了

一直不理解，为什么要计算两个字符串的相似度呢rfid。什么叫做两个字符串的相似度。经常看别人的博客，碰到比较牛的人，然后就翻了翻，终于找到了比较全面的答案和为什么要计算字符串相似度的解释。

因为搜索引擎要把通过爬虫抓取的页面给记录下来，那么除了通过记录url是否被访问过之外，还可以这样，比较两个页面的相似度，因为不同的url中可能记录着相同的内容，这样，就不必再次记录到搜索引擎的存储空间中去了。

还有，大家毕业的时候都写过论文吧，我们论文的查重系统相信也会采用计算两个字符串相似度这个概念。以下叙述摘自编程之美一书：许多程序会大量使用字符串。对于不同的字符串，我们希望能够有办法判断其相似程序。

我们定义一套操作方法来把两个不相同的字符串变得相同，具体的操作方法为：1.修改一个字符（如把“a”替换为“b”）;2.增加一个字符（如把“abdd”变为“aebdd”）;3.删除一个字符（如把“travelling”变为“traveling”）;比如，对于“abcdefg”和“abcdef”两个字符串来说，我们认为可以通过增加/减少一个“g”的方式来达到目的。

上面的两种方案，都仅需要一次。把这个操作所需要的次数定义为两个字符串的距离，而相似度等于“距离+1”的倒数。也就是说，“abcdefg”和“abcdef”的距离为1，相似度为1/2=0.5。

给定任意两个字符串，你是否能写出一个算法来计算它们的相似度呢？原文的分析与解法不难看出，两个字符串的距离肯定不超过它们的长度之和（我们可以通过删除操作把两个串都转化为空串）。

虽然这个结论对结果没有帮助，但至少可以知道，任意两个字符串的距离都是有限的。我们还是就住集中考虑如何才能把这个问题转化成规模较小的同样的子问题。

如果有两个串A=xabcdae和B=xfdfa，它们的第一个字符是相同的，只要计算A[2,...,7]=abcdae和B[2,...,5]=fdfa的距离就可以了。

但是如果两个串的第一个字符不相同，那么可以进行如下的操作（lenA和lenB分别是A串和B串的长度）。1.删除A串的第一个字符，然后计算A[2,...,lenA]和B[1,...,lenB]的距离。

2.删除B串的第一个字符，然后计算A[1,...,lenA]和B[2,...,lenB]的距离。

3.修改A串的第一个字符为B串的第一个字符，然后计算A[2,...,lenA]和B[2,...,lenB]的距离。

4.修改B串的第一个字符为A串的第一个字符，然后计算A[2,...,lenA]和B[2,...,lenB]的距离。

5.增加B串的第一个字符到A串的第一个字符之前，然后计算A[1,...,lenA]和B[2,...,lenB]的距离。

6.增加A串的第一个字符到B串的第一个字符之前，然后计算A[2,...,l