如何計算兩個文本/字符串之間的相似度或差異的百分比？

Question

解釋它進一步

假設我有兩個字符串像下面

我是超級男孩誰可以飛！真的。

我是超級男孩誰可以打破牆壁！ 真的。

所以有些字符是相似的I am super boy who can和Really .。 有沒有什麼東西可以用來找到這兩個字符串之間的百分比相似/差異。

Answer 1

你應該看看Levenshtein距離。

http://en.wikipedia.org/wiki/Levenshtein_distance

Answer 2

這SO answer to a similar question給出了萊文斯坦，哈羅溫克勒和史密斯沃特曼後藤算法的PHP代碼。

我發現Levenshtein和Jaro Winkler通常會爲較小的字符串之間的拼寫錯誤提供良好的結果。而史密斯沃特曼後藤is good at comparing sentences喜歡你的問題的例子。