时间戳

首页 > 解决方案 > 如何找到与其他 2 个字符串相似的字符串（就 Levenshtein 距离而言）？

python - 如何找到与其他 2 个字符串相似的字符串（就 Levenshtein 距离而言）？

问题描述

假设我有 2 个非常相似的字符串。我想找到在 Levenshtein 距离方面接近 s1 和 s2 的其他字符串。

import Levenshtein
s1 = 'aaabbbccc'
s2 = 'abacbbbccde'
dist = Levenshtein.distance(s1, s2)
print(dist)
mid_str = get_avg_string(s1, s2)

什么可以有效实现功能：

def get_avg_string(s1, s2):
    return ''

我需要这个变量：

sum_lev = Levenshtein.distance(s1, mid_str) + Levenshtein.distance(s2, mid_str)
diff_lev = abs(Levenshtein.distance(s1, mid_str) - Levenshtein.distance(s2, mid_str)

最小（我认为sum_lev将等于distand diff_lev <= 1）。

标签： pythonstringsimilaritylevenshtein-distance

解决方案

恐怕你所要求的是不可能的，因为问题是 NP 难的。我将尝试概述为什么会出现这种情况的一些关键概念，但我鼓励您查看Center Strings和Steiner Strings。

假设您有一组称为 S 的字符串。最佳 Steiner 字符串是一个字符串，它使 S 中每个字符串与其自身的距离之和最小化（也称为一致性误差）。这对应于您调用的第一个属性sum_lev。最佳 Steiner 字符串通常是模棱两可的，并且不是原始集合 S 的一部分（但不一定是）。

您面临的问题是没有有效的方法来计算最佳施泰纳字符串。即使您设法限制您的搜索空间，您仍然会有指数级的候选人。因此问题是 NP 难的。

可以证明，S 总是包含一个字符串，它是最优 Steiner 字符串的合理近似值。因此，即使您只关注两个属性中的第一个，最好的办法就是简单地选择一个原始字符串。由于您显然只处理两个字符串，因此选择哪一个并不重要。

TL;博士

总而言之，您正在处理一个 NP-hard 问题，该问题无法有效解决，只能近似。如果您只处理两个字符串，则您要查找的字符串可以由给定字符串之一来近似。很抱歉，这可能不是您希望的答案，但希望它仍然有些帮助。

推荐阅读