//算法原理参考http://blog.jobbole.com/75496/
/*
* 步骤
* 说明
* 1
* 设置n为字符串s的长度。(“GUMBO”)
* 设置m为字符串t的长度。(“GAMBOL”)
* 如果n等于0，返回m并退出。
* 如果m等于0，返回n并退出。
* 构造两个向量v0[m+1] 和v1[m+1]，串联0..m之间所有的元素。
* 2
* 初始化 v0 to 0..m。字符从1开始，初始化的值是从空字符串到生成字符需要的编辑距离。同理每次v1[0]初始化的值也是符合这个原理的，只是
* 3
* 检查 s (i from 1 to n) 中的每个字符。
* 4
* 检查 t (j from 1 to m) 中的每个字符
* 5
* 如果 s[i] 等于 t[j]，则编辑代价为 0；
* 如果 s[i] 不等于 t[j]，则编辑代价为1。
* 6
* 设置单元v1[j]为下面的最小值之一：
* a、紧邻该单元上方+1：v1[j-1] + 1
* b、紧邻该单元左侧+1：v0[j] + 1
* c、该单元对角线上方和左侧+cost：v0[j-1] + cost
* 7
* 在完成迭代 (3, 4, 5, 6) 之后，v1[m]便是编辑距离的值。
*/
//这是求编辑距离，这里用两个列向量替代了原来的矩阵，并以短的长度作为列向量的大小。
public static int distance(string src, string tgt)
{
src = StringTool.blankomit(src);
tgt = StringTool.blankomit(tgt);
int row = 0;
int col = 0;
//我们把字符串调整为长字符串在上端比较，短字符放侧边比较。这样可以较小开辟空间的大小。
if (src.Length < tgt.Length)
{
string tmp = src;
src = tgt;
tgt = tmp;
}
row = tgt.Length;
col = src.Length;
if (col == 0)
{
return(row);
}
if (row == 0)
{
return(col);
}
int[] v0 = new int[row + 1];
int[] v1 = new int[row + 1];
for (int i = 0; i <= row; i++)
{
v0[i] = i;
}
int cost = 0;
for (int i = 1; i <= col; i++)
{
v1[0] = i;
for (int j = 1; j <= row; j++)
{
if (src[i - 1].Equals(tgt[j - 1]))
{
cost = 0;
}
else
{
cost = 1;
}
//这里三个分别对应，插入，删除和替换。
v1[j] = Math.Min(Math.Min(v1[j - 1] + 1, v0[j] + 1), v0[j - 1] + cost);
}
v0 = (int[])v1.Clone();
}
return(v1[row]);
}
private static readonly int mNumChars = 4;//我觉得可以根据句子的长度来设置这个值。
public static double Jaro_Winkler(string aString1, string aString2)
{
aString1 = StringTool.blankomit(aString1);
aString2 = StringTool.blankomit(aString2);
string minStr = null;
string maxStr = null;
StringTool.MinFirst(aString1, aString2, out minStr, out maxStr);
int lLen1 = minStr.Length;
int lLen2 = maxStr.Length;
if (lLen1 == 0)
{
return(lLen2 == 0 ? 1.0 : 0.0);//两个字符串长度都为0的时候判断为完全相似1，否则只有一个为0，则判断为完全不相似0
}
//这一段是求匹配字符个数的，其中这里有个窗口大小来求匹配字符个数，超过窗口大小的，就算存在相同的字符也不计数。
int lSearchRange = Math.Max(0, Math.Max(lLen1, lLen2) / 2 - 1);
// default initialized to false
bool[] lMatched1 = new bool[lLen1];
bool[] lMatched2 = new bool[lLen2];
int lNumCommon = 0;
//对第一个字符依次后移，匹配另一个字符的字符段里面的字符，如果之前匹配成功过，则跳过，直到字符段窗口结束或者遇见相同字符。
for (int i = 0; i < lLen1; ++i)//因为我调整过字符串的长度，所以len1是短，len2是长。
{
int lStart = Math.Max(0, i - lSearchRange);
int lEnd = Math.Min(i + lSearchRange + 1, lLen2);
for (int j = lStart; j < lEnd; ++j)
{
if (lMatched2[j])
{
continue;
}
if (minStr[i] != maxStr[j])
{
continue;
}
lMatched1[i] = true;
lMatched2[j] = true;
++lNumCommon;
break;
}
}
//
if (lNumCommon == 0)
{
return(0.0);//在窗口范围内的匹配字符为零则返回相似度为0；
}
//求换位的数目，即匹配字符是否是按相同顺序，如果顺序相同，则换位数目为0，如果顺序不同则需要计算换位数目。
//先位移到第一个字符串的第一个匹配字符哪里，对第二个字符串进行匹配，不匹配就后移。这时候，两个标签都在匹配字符那里，这时候，我们比较这两个匹配字符是否相同
//如果不等则增加换位数。然后再对第一个字符串的第二个匹配字符进行匹配。
//因为换位是字符对，所以要把结果除以2.
//即若在字符串的第i位出现了a,b，在第j位又出现了b,a，则表示两者出现了换位。
int lNumHalfTransposed = 0;
int k = 0;
for (int i = 0; i < lLen1; ++i)
{
if (!lMatched1[i])
{
continue;
}
while (!lMatched2[k])
{
++k;
}
if (minStr[i] != maxStr[k])
{
++lNumHalfTransposed;
}
++k;
}
// System.Diagnostics.Debug.WriteLine("numHalfTransposed=" + numHalfTransposed);
int lNumTransposed = lNumHalfTransposed / 2;
// System.Diagnostics.Debug.WriteLine("numCommon=" + numCommon + " numTransposed=" + numTransposed);
double lNumCommonD = lNumCommon;
double lWeight = (lNumCommonD / lLen1
+ lNumCommonD / lLen2
+ (lNumCommon - lNumTransposed) / lNumCommonD) / 3.0;
if (lWeight <= mWeightThreshold)
{
return(lWeight);
}
//这是求最大前缀匹配长度
int lMax = Math.Min(mNumChars, Math.Min(minStr.Length, maxStr.Length));
int lPos = 0;
while (lPos < lMax && minStr[lPos] == maxStr[lPos])
{
++lPos;
}
//
if (lPos == 0)
{
return(lWeight);
}
return(lWeight + 0.1 * lPos * (1.0 - lWeight));
}
