Levenshtein成本設置

我被要求猜想當部分預期數據丟失時，用戶意圖。例如，如果我想要獲得very well或not very well，但我只能獲得not，則應將其標記爲not very well。Levenshtein成本設置

爲not和very well的Levenshtein距離是9和not和not very well的距離爲10。我想我實際上是試圖用扳手驅動螺絲釘，但我們已經同意在我們的團隊中使用Levenshtein來處理這種情況。

正如你所看到的上述問題，反正是有，如果我可以通過改變插入，更換和刪除成本使得一些感覺出來的嗎？

P.S.我不想爲這個特定的例子找一個黑客。我想要的東西一般按預期工作，並在這些情況下也輸出更好的結果。

來源

2014-02-12 Mahdi

探測法可能是一個更好的算法：https://en.wikipedia.org/wiki/Soundex。「不」和「杯」具有相同的水平距離。 IMO，「if（str.match（/^\ s * [nN]））{str ='not well well'} else {str ='very well'}」更簡單。 –

@glennjackman我100％同意你的觀點。這就是我所提供的，但論點是它可能無法像其他語言那樣運行，而不是英語。無論如何，我會再次與我們的團隊合作。 – Mahdi

爲不和很好的Levenshtein距離實際上是12對準是：

------not 
very well

所以有6個插入具有6（1成本爲每個插入），總費用，和3個替代品，總成本爲6（每次更換成本爲2）。的總成本爲12。

的Levenshtein距離爲不和不能很好地是10對準是：

not---------- 
not very well

這包括僅10插入。所以你可以選擇不是很好作爲最佳匹配。

成本和調整可以用htql計算爲Python：

import htql 
a=htql.Align() 
a.align('not', 'very well') 
# (12.0, ['------not', 'very well']) 
a.align('not', 'not very well') 
# (10.0, ['not----------', 'not very well'])

來源

2014-04-27 03:22:28 seagulf

Levenshtein成本設置

回答

相關問題