Package org.aoju.bus.core.text

Class Similarity

java.lang.Object

org.aoju.bus.core.text.Similarity

public class Similarity
extends Object

文本相似度计算,局部敏感hash,用于海量文本去重 局部敏感hash定义：假定两个字符串具有一定的相似性, 在hash之后,仍然能保持这种相似性,就称之为局部敏感hash

Since:

Java 17+

Author:

Kimi Liu

Constructor Summary

Constructors

Constructor	Description
Similarity()

Method Summary

Modifier and Type	Method	Description
static String	longestCommonSubstring(String texta, String textb)	最长公共子串，采用动态规划算法。 其不要求所求得的字符在所给的字符串中是连续的。 算法解析见：https://leetcode-cn.com/problems/longest-common-subsequence/solution/zui-chang-gong-gong-zi-xu-lie-by-leetcod-y7u0/
static double	similar(String texta, String textb)	利用莱文斯坦距离(Levenshtein distance)算法计算相似度，两个都是空串相似度为1，被认为是相同的串 比较方法为： 只比较两个字符串字母、数字、汉字部分，其他符号去除 计算出两个字符串最大子串，除以最长的字符串，结果即为相似度
static String	similar(String texta, String textb, int scale)	计算相似度百分比

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Details

Similarity

public Similarity()

Method Details

similar

public static double similar(String texta,
 String textb)

利用莱文斯坦距离(Levenshtein distance)算法计算相似度，两个都是空串相似度为1，被认为是相同的串 比较方法为：

• 只比较两个字符串字母、数字、汉字部分，其他符号去除
• 计算出两个字符串最大子串，除以最长的字符串，结果即为相似度

Parameters:

texta - 字符串1

textb - 字符串2

Returns:

相似度

similar

public static String similar(String texta,
 String textb,
 int scale)

计算相似度百分比

Parameters:

texta - 字符串1

textb - 字符串2

scale - 保留小数

Returns:

百分比

longestCommonSubstring

public static String longestCommonSubstring(String texta,
 String textb)

最长公共子串，采用动态规划算法。 其不要求所求得的字符在所给的字符串中是连续的。 算法解析见：https://leetcode-cn.com/problems/longest-common-subsequence/solution/zui-chang-gong-gong-zi-xu-lie-by-leetcod-y7u0/

Parameters:

texta - 字符串1

textb - 字符串2

Returns:

最长公共子串