48 lines
2.2 KiB
Markdown
48 lines
2.2 KiB
Markdown
### 莱文斯坦距离
|
||
|
||
**莱文斯坦距离是什么？**
|
||
|
||
莱文斯坦距离，又被称为**编辑距离**，是衡量两个字符串之间相似度的一种度量方法。它定义了将一个字符串**A**转换成另一个字符串**B**所需的最少**单字符编辑操作**的次数
|
||
|
||
这些允许的单字符编辑操作有三种：
|
||
|
||
1. **插入（Insertion）**：在字符串中插入一个字符
|
||
2. **删除（Deletion）**：从字符串中删除一个字符
|
||
3. **替换（Substitution）**：将字符串中的一个字符替换成另一个字符
|
||
|
||
莱文斯坦距离越小，说明两个字符串越相似。反之，距离越大，相似度越低
|
||
|
||
**一个简单的例子**
|
||
|
||
让我们用一个例子来直观地理解它
|
||
|
||
计算字符串 **"kitten"** 和 **"sitting"** 的莱文斯坦距离
|
||
|
||
1. **"kitten"** -> **"sitten"**（将 'k' **替换**为 's'）
|
||
2. **"sitten"** -> **"sittin"**（将 'e' **替换**为 'i'）
|
||
3. **"sittin"** -> **"sitting"**（在末尾**插入** 'g'）
|
||
|
||
总共需要 **3** 次编辑操作，所以 "kitten" 和 "sitting" 的莱文斯坦距离是 **3**
|
||
|
||
**如何计算？**
|
||
|
||
莱文斯坦距离通常使用**动态规划**（Dynamic Programming）算法来计算。这个方法的核心思想是构建一个二维矩阵，其中 `dp[i][j]` 存储的是字符串 A 的前 `i` 个字符与字符串 B 的前 `j` 个字符之间的编辑距离
|
||
|
||
矩阵的填充规则如下：
|
||
|
||
- **初始化**：
|
||
|
||
- `dp[i][0]` 等于 `i`（将 A 的前 `i` 个字符全部删除）
|
||
- `dp[0][j]` 等于 `j`（将 B 的前 `j` 个字符全部插入）
|
||
|
||
- **递推关系**：对于矩阵中的每一个 `(i, j)`，我们比较 A 的第 `i` 个字符和 B 的第 `j` 个字符：
|
||
|
||
- 如果 `A[i-1]` 等于 `B[j-1]`，说明这两个字符相同，不需要编辑。此时 `dp[i][j] = dp[i-1][j-1]`
|
||
- 如果 `A[i-1]` 不等于 `B[j-1]`，我们需要考虑三种操作的最小代价：
|
||
- **插入**：`dp[i][j-1] + 1`
|
||
- **删除**：`dp[i-1][j] + 1`
|
||
- **替换**：`dp[i-1][j-1] + 1`
|
||
|
||
最终，`dp[i][j]` 取这三个值的最小值：`dp[i][j] = min(dp[i][j-1] + 1, dp[i-1][j] + 1, dp[i-1][j-1] + 1)`
|
||
|
||
最终，矩阵右下角的 `dp[len(A)][len(B)]` 就是两个字符串的莱文斯坦距离 |