Java 如何找到两个多行字符串之间的相似性百分比？

我有两个多行字符串。我使用下面的代码来确定它们之间的相似性。这利用了Levenshtein距离算法

  public static double similarity(String s1, String s2) {
    String longer = s1, shorter = s2;
    if (s1.length() < s2.length()) { 
      longer = s2; shorter = s1;
    }
    int longerLength = longer.length();
    if (longerLength == 0) { return 1.0; /* both strings are zero length */ }

    return (longerLength - editDistance(longer, shorter)) / (double) longerLength;

  }

  public static int editDistance(String s1, String s2) {
    s1 = s1.toLowerCase();
    s2 = s2.toLowerCase();

    int[] costs = new int[s2.length() + 1];
    for (int i = 0; i <= s1.length(); i++) {
      int lastValue = i;
      for (int j = 0; j <= s2.length(); j++) {
        if (i == 0)
          costs[j] = j;
        else {
          if (j > 0) {
            int newValue = costs[j - 1];
            if (s1.charAt(i - 1) != s2.charAt(j - 1))
              newValue = Math.min(Math.min(newValue, lastValue),
                  costs[j]) + 1;
            costs[j - 1] = lastValue;
            lastValue = newValue;
          }
        }
      }
      if (i > 0)
        costs[s2.length()] = lastValue;
    }
    return costs[s2.length()];
  }

---

我可以建议你一种方法

您使用的是编辑距离，它提供了S1中需要更改/添加/删除以将其转换为S2的字符数

例如：

S1 = "abc"
S2 = "cde"

S1 = "abc"
S2 = "defghijklmno"

编辑距离是3，它们是100%不同的（考虑到您在某种逐字符比较中看到的）

如果你这样做的话，你可以得到一个大概的百分比

S1 = "abc"
S2 = "cde"
edit = edit_distance(S1, S2)
percentage = min(edit/S1.length(), edit/S2.length())

min是一种解决方法，用于处理字符串非常不同的情况，例如：

S1 = "abc"
S2 = "cde"

S1 = "abc"
S2 = "defghijklmno"

因此，编辑距离将大于S1的长度，并且百分比应大于100%，因此可能除以较大的大小会更好

---

希望这有助于

您的

相似性

方法返回一个介于0和1之间的数字（包括两端），其中一个表示字符串相同（编辑距离为零）

但是，在您的

authQuestion

方法中，您的行为就像它返回一个介于0和100之间的数字，这一行证明了这一点：

if(re > 60){

你需要把它改成

if(re > .6){

或

---

因为您在sql查询的where子句中使用了整个S1，所以它要么找到完美匹配，要么根本不会返回任何结果

正如@ErwinBolwidt所提到的，如果它不返回任何内容，那么您的

isQuestionAvailable

将始终保持false。 如果它返回一个完美匹配，那么你一定会得到100%的相似性

您可以做的是：使用S1的子字符串搜索与该部分匹配的问题

您可以进行以下更改：

authQuestion方法

checkStmt.setString(1, question.substring(0,20)); //say

---

在获取的结果中，您可以将每个结果与您的问题进行相似性比较。

看看是否给了您一些想法。那么，您得到了多少百分比，您希望得到什么，以及为什么？还有，“优化算法”是什么意思？优化性能，或者你的意思是“修复”它直到它达到你期望的效果？修复它直到我得到我想要的。它总是100%打印我需要注意的是你的代码没有打印任何东西。我刚刚尝试了代码中的两个字符串，它给出了

96.94656488549618%

所以不是100%。由此我得出结论，问题可能出在用于打印输出的代码中，或者可能是您没有正确运行它。请包含您的

main

方法。我不确定您打算如何处理SQL查询。如果使用S1字符串搜索，则在数据库中找不到S2。查询中使用的

~*

运算符是postgresql不区分大小写的正则表达式匹配运算符，但传递的字符串不是正则表达式。因此，如果在数据库中找不到匹配项，您的

while

循环将永远不会被输入，

isQuestionAvailable

将保持

false

。我已经尝试过了，但仍然无法按预期工作。我使用了re。6但是循环总是返回false。如果且只有代码未进入while循环，则返回true