模糊.substring文本匹配功能

Question

我正在找一種方法來模糊substring函數。這是什麼意思：

• 給出了兩個字符串。
• 一個通常比另一個長。讓我們打電話然後「短」和「長」
• 我們想要評分「長」中出現多少「短」。
• 我們想要考慮接近度和oder。如果「短」的元素出現在「長」中，他們傾向於以相同順序出現並且彼此接近。

實施例1：

• 簡稱：「雜草毀」
• 長：與細菌基因使得對除草劑而雜草被破壞可以增長抗性的植物工程化「作物，並基因工程農作物可以抵抗破壞性昆蟲，從而減少對化學殺蟲劑的需求。「

這是一個完全匹配，應該有1.0分。

實施例2：

• 簡稱： 「雜草會被破壞」
• 長：同上。

這是一個模糊匹配，因爲「weed」和「destroyed」出現在文本中，但沒有「will be」。它仍然應該得到高分（比如說0.8）。

例3：

如果我們設置的「短」，以「破壞將是雜草」，但「破壞」和「野草」都出現在原文中，比分應該是非常低的，因爲他們的訂單已經改變。

對此有何建議的實現？

最後一點是，沒有獨特的方式來做這個評分。但是我正在尋找AN算法。該算法的參數可以根據需要和要求進行調整。

Answer 1

這裏的一個可能的方法：

1. 用於第一字短（0），存儲所述第一的indexOf在長
2. 對於每個後續字短（n）時，同時存儲的：a）所述第一indexOf in long，以及b）（首選）第一個indexOf short（n），它不晚於首選indexOf short（n-1）。
3. 得分相應

Answer 2

我會一分爲依賴關係樹兩個字符串（像this）。然後，從根目錄遞歸遍歷較小的樹並檢查令牌是否存在於較大的樹中。如果是，則添加分數similarity_of_dependency_kind。可選地，可以乘以similarity_of_destination_words（根據同義性，類似wordnet）。

這種方法效率較低，但更準確。

此外，不要忘記初步數據清理，如錯別字更正。