php - 字符串相似性的算法(比Levenshtein和相似的文本更好)？ Php，Js

在哪里可以找到比levenshtein()和php same_text()方法更准确地估计错位字符的拼写的算法？

例子:

similar_text('jonas', 'xxjon', $similar); echo $similar; // returns 60
similar_text('jonas', 'asjon', $similar); echo $similar; // returns 60 <- although more similar!
echo levenshtein('jonas', 'xxjon'); // returns 4
echo levenshtein('jonas', 'asjon'); // returns 4  <- although more similar!

/乔纳斯

最佳答案

这是我提出的解决方案。它基于蒂姆的建议，即比较后续角色的顺序。一些结果:

jonas/jonax:0.8

jonas/sjona:0.68

jonas/sjonas:0.66

jonas/asjon:0.52

jonas/xxjon:0.36

我确定我并不完美，并且可以对其进行优化，但是尽管如此，它似乎仍能产生我所追求的结果...
一个弱点是，当字符串具有不同的长度时，在交换值时会产生不同的结果...

static public function string_compare($str_a, $str_b)
{
    $length = strlen($str_a);
    $length_b = strlen($str_b);

    $i = 0;
    $segmentcount = 0;
    $segmentsinfo = array();
    $segment = '';
    while ($i < $length)
    {
        $char = substr($str_a, $i, 1);
        if (strpos($str_b, $char) !== FALSE)
        {
            $segment = $segment.$char;
            if (strpos($str_b, $segment) !== FALSE)
            {
                $segmentpos_a = $i - strlen($segment) + 1;
                $segmentpos_b = strpos($str_b, $segment);
                $positiondiff = abs($segmentpos_a - $segmentpos_b);
                $posfactor = ($length - $positiondiff) / $length_b; // <-- ?
                $lengthfactor = strlen($segment)/$length;
                $segmentsinfo[$segmentcount] = array( 'segment' => $segment, 'score' => ($posfactor * $lengthfactor));
            }
            else
            {
                $segment = '';
                $i--;
                $segmentcount++;
            }
        }
        else
        {
            $segment = '';
            $segmentcount++;
        }
        $i++;
    }

    // PHP 5.3 lambda in array_map
    $totalscore = array_sum(array_map(function($v) { return $v['score'];  }, $segmentsinfo));
    return $totalscore;
}