Python 阵列的简单递归剽窃检测器

我在考虑一个非常简单的剽窃检测器。为了简单起见，假设在beigning中有两个列表，每个列表都有一些字符串元素，例如：

l1 = [ "I","like","big","yellow","bananas" ]
l2 = [ "I","like","yellow","bananas" ]

用户还可以指定每个操作的“成本”，比如：

DeletePrice = 10          #deleting word from one list
InsertPrice = 1           #insterting a word to one list
SubstitutePrice = 24      #substituing a word for another one

任务是匹配列表，组合价格必须尽可能低。有两种明显的方法可以匹配这些数组，一种是从第一个数组中删除单词“big”（需要花费10美元），或者在第二个数组中插入单词“big”（需要花费1美元）。因此，该算法的答案为1

我在想，一开始我们应该通过列表理解来找到不匹配的元素：

def Plagiarism( l1,l2,dPrice,iPrice,sPrice ):
    not_matching_elements = [ [ x for x in l1 if x not in l2 ],[ x for x in l2 if x not in l1 ] ]

不匹配元素

名单会给我们

[[big]，][]

---

可能会帮助我们继续前进。但是我想不出一个方法来进一步发展这个算法。谢谢。

您所描述的与Levenshtein距离非常相似：

您只需要数组条目而不是字符

你可以简单地找到一个levenstein算法，并根据你的需要进行修改

此算法甚至可能适用于数组；）

编辑：这项工作：

def levenshtein(s1, s2):
    insertionCost=1
    deletionCost=1
    substitutionCost=1

    if len(s1) < len(s2):
        return levenshtein(s2, s1)

    # len(s1) >= len(s2)
    if len(s2) == 0:
        return min(deletionCost,insertionCost)*len(s1)

    previous_row = range(len(s2) + 1)
    for i, c1 in enumerate(s1):
        current_row = [i + 1]
        for j, c2 in enumerate(s2):
            insertions = previous_row[j + 1] + insertionCost # j+1 instead of j since previous_row and current_row are one character longer
            deletions = current_row[j] + deletionCost       # than s2
            substitutions = previous_row[j] + substitutionCost*(c1 != c2)
            current_row.append(min(insertions, deletions, substitutions))
        previous_row = current_row

    return previous_row[-1]


#returns 2
print(levenshtein(['abc','def','ghi'],['abc','ghi','e']))

def levenshtein（s1，s2）：
insertionCost=1
删除成本=1
替代成本=1
如果len（s1）=len（s2）
如果len（s2）==0：
返回最小值（删除成本、插入成本）*长度（s1）
上一行=范围（len（s2）+1）
对于i，枚举中的c1（s1）：
当前_行=[i+1]
对于枚举（s2）中的j，c2：
insertions=上一行[j+1]+insertionCost#j+1而不是j，因为上一行和当前行长一个字符
删除=当前_行[j]+删除成本#小于s2
替换=上一行[j]+替换成本*（c1！=c2）
当前行追加（最小值（插入、删除、替换））
上一行=当前行
返回上一行[-1]
#返回2
打印（levenshtein（['abc'，'def'，'ghi']，['abc'，'ghi'，'e']））

您所描述的与Levenshtein距离非常相似：

您只需要数组条目而不是字符

你可以简单地找到一个levenstein算法，并根据你的需要进行修改

此算法甚至可能适用于数组；）

编辑：这项工作：

def levenshtein(s1, s2):
    insertionCost=1
    deletionCost=1
    substitutionCost=1

    if len(s1) < len(s2):
        return levenshtein(s2, s1)

    # len(s1) >= len(s2)
    if len(s2) == 0:
        return min(deletionCost,insertionCost)*len(s1)

    previous_row = range(len(s2) + 1)
    for i, c1 in enumerate(s1):
        current_row = [i + 1]
        for j, c2 in enumerate(s2):
            insertions = previous_row[j + 1] + insertionCost # j+1 instead of j since previous_row and current_row are one character longer
            deletions = current_row[j] + deletionCost       # than s2
            substitutions = previous_row[j] + substitutionCost*(c1 != c2)
            current_row.append(min(insertions, deletions, substitutions))
        previous_row = current_row

    return previous_row[-1]


#returns 2
print(levenshtein(['abc','def','ghi'],['abc','ghi','e']))

def levenshtein（s1，s2）：
insertionCost=1
删除成本=1
替代成本=1
如果len（s1）=len（s2）
如果len（s2）==0：
返回最小值（删除成本、插入成本）*长度（s1）
上一行=范围（len（s2）+1）
对于i，枚举中的c1（s1）：
当前_行=[i+1]
对于枚举（s2）中的j，c2：
insertions=上一行[j+1]+insertionCost#j+1而不是j，因为上一行和当前行长一个字符
删除=当前_行[j]+删除成本#小于s2
替换=上一行[j]+替换成本*（c1！=c2）
当前行追加（最小值（插入、删除、替换））
上一行=当前行
返回上一行[-1]
#返回2
打印（levenshtein（['abc'，'def'，'ghi']，['abc'，'ghi'，'e']））

问题“请完成我的算法开发？”也是这样吗？如果您采取的第一步是找出差异，那么下一步不是要使用差异来计算成本吗？这个问题需要的帮助比我们所能提供的更多。我们喜欢帮助别人，但有时人们需要先帮助自己，比如阅读一本关于语言的书，在线文档，或者询问他们认识的人谁可以帮助他们。一旦你更好地理解了这个主题，我们邀请你编辑这个问题并重新打开它。更重要的是，你在发布之前在网上发现的剽窃算法有什么问题？您在选择和实施其中一个方面遇到了什么困难？您开发了什么替代方法？请查看此Python剽窃检查器：。此检查器使用ngrams@Jacobr365我不是要求你完成代码，我是在要求一些想法来帮助我完成它，因为我已经没有想法了。谢谢。问题“请完成我的算法开发？”也是如此。如果你采取的第一步是找出差异，那么下一步不是要用差异来计算成本吗？这个问题需要的帮助比我们能提供的更多。我们喜欢帮助别人，但有时人们需要先帮助自己，比如阅读一本关于语言的书，在线文档，或者询问他们认识的人谁可以帮助他们。一旦你更好地理解了这个主题，我们邀请你编辑这个问题并重新打开它。更重要的是，你在发布之前在网上发现的剽窃算法有什么问题？您在选择和实施其中一个方面遇到了什么困难？您开发了什么替代方法？请查看此Python剽窃检查器：。此检查器使用ngrams@Jacobr365我不是要求你完成代码，我是在要求一些想法来帮助我完成它，因为我已经没有想法了。谢谢。@thetask137没问题；）@任务K1337没有问题；）