String 这两个词有多相似

是否有比“Levenshtein距离”算法更精确的算法？？

还有，它增加了对字符转换的支持，并为常见的打字错误提供了更多的覆盖范围

要获取列文施泰因或达梅劳·列文施泰因的相似性百分比，请执行以下操作：

int relative_similarity = 1.0 - 1.0 / ((len(x) + len(y)) / 2) * lev(x, y); //untested

或者，您可能希望查看作为相似性度量的

接下来是

这是语音匹配算法

<> > <代码>史米斯< /代码>及其德国对应符<代码>施密特>代码>使用编辑距离（A.K.LevsHeTin）会出现很大不同，SoNexx和MyOne会认为它们在语音上是相似的，甚至是等价的。

---

但是如果您不告诉我们纯Levenshtein距离的错误，很难猜出更好的算法。

有一种算法，它增加了对字符换位的支持，并为常见的打字错误提供了更多的覆盖范围

要获取列文施泰因或达梅劳·列文施泰因的相似性百分比，请执行以下操作：

int relative_similarity = 1.0 - 1.0 / ((len(x) + len(y)) / 2) * lev(x, y); //untested

或者，您可能希望查看作为相似性度量的

接下来是

这是语音匹配算法

<> > <代码>史米斯< /代码>及其德国对应符<代码>施密特>代码>使用编辑距离（A.K.LevsHeTin）会出现很大不同，SoNexx和MyOne会认为它们在语音上是相似的，甚至是等价的。

---

---

但是如果你不告诉我们纯距离的错误，很难猜出更好的算法。

这取决于你如何定义准确度。为什么Levenshtein不适合你？你想要什么相似性的概念？在不知道您想要什么的情况下，就不可能提出其他措施。@DanielFischer Levenshtein用短词返回不好的结果
例如，我正在搜索一个文件，查找与给定词类似的词
，我检查了文件中每个词的算法，如果它返回的int小于3，则表示相似，它适用于大词，但对于小词，当我搜索单词“一”时，它不会。类似的词是“核心、行、打开、移动、长、代码”。就编辑距离而言，所有短词都非常相似，没有办法绕过它。按照Regexident建议的长度进行缩放可能会得到令人满意的结果，否则你需要找到一个明确的相似性规范。这取决于你如何定义准确性。为什么Levenshtein不适合你？你想要什么相似性概念？在不知道您想要什么的情况下，就不可能提出其他措施。@DanielFischer Levenshtein用短词返回不好的结果
例如，我正在搜索一个文件，查找与给定词类似的词
，我检查了文件中每个词的算法，如果它返回的int小于3，则表示相似，它适用于大词，但对于小词，当我搜索单词“一”时，它不会。类似的词是“核心、行、打开、移动、长、代码”。就编辑距离而言，所有短词都非常相似，没有办法绕过它。按照Regexident建议的长度缩放可能会得到令人满意的结果，否则您需要找到所需相似性的明确说明。Damerau–Levenshtein距离比（经典）距离更精确Levenshtein
Levenshtein返回排序错误的结果words@AymanJitan：Damerau Levenshtein也不是真正的文本度量（因为它不满足三角形不等式），例如，在BKTrees的情况下，这可能是一件相当糟糕的事情。如果你不给我们提供更多关于常见算法错误的信息，就不可能提供有用的建议。“相似”可能意味着任何东西：字长、字型、语音、语义……Damerau–Levenshtein距离比（经典的）Levenshtein
Levenshtein返回的排序结果更准确words@AymanJitan：Damerau Levenshtein也不是真文本度量（因为它不满足三角形不等式），例如，对于树木来说，这可能是一件相当糟糕的事情。如果你不给我们提供更多关于常见算法错误的信息，就不可能提供有用的建议。“相似”可能意味着任何东西：字长、字型、语音、语义…