使用Levenshtein計算相似度距離，裝下模塊，調用下函數就好。

拿idf還得自己去算權重，而且不一定準確度高，一般做idf還得做詞性歸一化，把動詞形容詞什么全部轉成名詞，很麻煩。

Levenshtein.distance(str1,str2)

計算編輯距離(也稱Levenshtein距離)。是描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括插入、刪除、替換。如

例如將eeba轉變成abac：

①　eba(刪除第一個e)

②　aba(將剩下的e替換成a)

③　abac(在末尾插入c)

所以eeba和abac的編輯距離就是3

備注：

http://www.lfd.uci.edu/~gohlke/pythonlibs/#python-levenshtein

1. Levenshtein.hamming(str1, str2)

計算漢明距離。要求str1和str2必須長度一致。是描述兩個等長字串之間對應位置上不同字符的個數。如

2. Levenshtein.distance(str1, str2)

計算編輯距離(也成Levenshtein距離)。是描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括插入、刪除、替換。如

3. Levenshtein.ratio(str1, str2)

計算萊文斯坦比。計算公式 ?r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的長度總和，ldist是類編輯距離

注意：這里的類編輯距離不是2中所說的編輯距離，2中三種操作中每個操作+1，而在此處，刪除、插入依然+1，但是替換+2

這樣設計的目的：ratio('a', 'c')，sum=2,按2中計算為(2-1)/2 = 0.5,’a','c'沒有重合，顯然不合算，但是替換操作+2，就可以解決這個問題。

4. Levenshtein.jaro(s1, s2)

計算jaro距離，

其中的m為s1, s2的匹配長度，當某位置的認為匹配 當該位置字符相同，或者在不超過

t是調換次數的一半

5. Levenshtein.jaro_winkler(s1, s2)

計算Jaro–Winkler距離

總結

以上是生活随笔為你收集整理的如何用python计算levenshteindistance_Levenshtein计算相似度距离的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。