Порівняйте Рядок Javascript Повертаність% ймовірних


87

Я шукаю функцію JavaScript, яка може порівняти два рядки і повернути ймовірність їх схожості. Я розглянув soundex, але це насправді не чудово для багатослівних рядків чи неімен. Я шукаю таку функцію, як:

function compare(strA,strB){

}

compare("Apples","apple") = Some X Percentage.

Функція буде працювати з усіма типами рядків, включаючи числа, багатозначні значення та імена. Можливо, існує простий алгоритм, яким я міг би скористатися?

Ultimately none of these served my purpose so I used this:

 function compare(c, u) {
        var incept = false;
        var ca = c.split(",");
        u = clean(u);
        //ca = correct answer array (Collection of all correct answer)
        //caa = a single correct answer word array (collection of words of a single correct answer)
        //u = array of user answer words cleaned using custom clean function
        for (var z = 0; z < ca.length; z++) {
            caa = $.trim(ca[z]).split(" ");
            var pc = 0;
            for (var x = 0; x < caa.length; x++) {
                for (var y = 0; y < u.length; y++) {
                    if (soundex(u[y]) != null && soundex(caa[x]) != null) {
                        if (soundex(u[y]) == soundex(caa[x])) {
                            pc = pc + 1;
                        }
                    }
                    else {
                        if (u[y].indexOf(caa[x]) > -1) {
                            pc = pc + 1;
                        }
                    }
                }
            }
            if ((pc / caa.length) > 0.5) {
                return true;
            }
        }
        return false;
    }

    // create object listing the SOUNDEX values for each letter
    // -1 indicates that the letter is not coded, but is used for coding
    //  0 indicates that the letter is omitted for modern census archives
    //                              but acts like -1 for older census archives
    //  1 is for BFPV
    //  2 is for CGJKQSXZ
    //  3 is for DT
    //  4 is for L
    //  5 is for MN my home state
    //  6 is for R
    function makesoundex() {
        this.a = -1
        this.b = 1
        this.c = 2
        this.d = 3
        this.e = -1
        this.f = 1
        this.g = 2
        this.h = 0
        this.i = -1
        this.j = 2
        this.k = 2
        this.l = 4
        this.m = 5
        this.n = 5
        this.o = -1
        this.p = 1
        this.q = 2
        this.r = 6
        this.s = 2
        this.t = 3
        this.u = -1
        this.v = 1
        this.w = 0
        this.x = 2
        this.y = -1
        this.z = 2
    }

    var sndx = new makesoundex()

    // check to see that the input is valid
    function isSurname(name) {
        if (name == "" || name == null) {
            return false
        } else {
            for (var i = 0; i < name.length; i++) {
                var letter = name.charAt(i)
                if (!(letter >= 'a' && letter <= 'z' || letter >= 'A' && letter <= 'Z')) {
                    return false
                }
            }
        }
        return true
    }

    // Collapse out directly adjacent sounds
    // 1. Assume that surname.length>=1
    // 2. Assume that surname contains only lowercase letters
    function collapse(surname) {
        if (surname.length == 1) {
            return surname
        }
        var right = collapse(surname.substring(1, surname.length))
        if (sndx[surname.charAt(0)] == sndx[right.charAt(0)]) {
            return surname.charAt(0) + right.substring(1, right.length)
        }
        return surname.charAt(0) + right
    }

    // Collapse out directly adjacent sounds using the new National Archives method
    // 1. Assume that surname.length>=1
    // 2. Assume that surname contains only lowercase letters
    // 3. H and W are completely ignored
    function omit(surname) {
        if (surname.length == 1) {
            return surname
        }
        var right = omit(surname.substring(1, surname.length))
        if (!sndx[right.charAt(0)]) {
            return surname.charAt(0) + right.substring(1, right.length)
        }
        return surname.charAt(0) + right
    }

    // Output the coded sequence
    function output_sequence(seq) {
        var output = seq.charAt(0).toUpperCase() // Retain first letter
        output += "-" // Separate letter with a dash
        var stage2 = seq.substring(1, seq.length)
        var count = 0
        for (var i = 0; i < stage2.length && count < 3; i++) {
            if (sndx[stage2.charAt(i)] > 0) {
                output += sndx[stage2.charAt(i)]
                count++
            }
        }
        for (; count < 3; count++) {
            output += "0"
        }
        return output
    }

    // Compute the SOUNDEX code for the surname
    function soundex(value) {
        if (!isSurname(value)) {
            return null
        }
        var stage1 = collapse(value.toLowerCase())
        //form.result.value=output_sequence(stage1);

        var stage1 = omit(value.toLowerCase())
        var stage2 = collapse(stage1)
        return output_sequence(stage2);

    }

    function clean(u) {
        var u = u.replace(/\,/g, "");
        u = u.toLowerCase().split(" ");
        var cw = ["ARRAY OF WORDS TO BE EXCLUDED FROM COMPARISON"];
        var n = [];
        for (var y = 0; y < u.length; y++) {
            var test = false;
            for (var z = 0; z < cw.length; z++) {
                if (u[y] != "" && u[y] != cw[z]) {
                    test = true;
                    break;
                }
            }
            if (test) {
    //Don't use & or $ in comparison
                var val = u[y].replace("$", "").replace("&", "");
                n.push(val);
            }
        }
        return n;
    }


Я тестую це, все ще маючи проблеми з пошуком ідеального. Класичний приклад, який їх порушує. Скажіть, питання: "Які перші два президенти?" а хтось відповідає "Адамс і Вашингтон". Порівняння рядків із "Джорджем Вашингтоном Джоном Адамсом" має становити приблизно 50%.
Brad Ruderman

oof, залежить від jQuery?
Шон Віннірі

Відповіді:


138

Ось відповідь на основі відстані Левенштейна https://en.wikipedia.org/wiki/Levenshtein_distance

function similarity(s1, s2) {
  var longer = s1;
  var shorter = s2;
  if (s1.length < s2.length) {
    longer = s2;
    shorter = s1;
  }
  var longerLength = longer.length;
  if (longerLength == 0) {
    return 1.0;
  }
  return (longerLength - editDistance(longer, shorter)) / parseFloat(longerLength);
}

Для розрахунку відстані редагування

function editDistance(s1, s2) {
  s1 = s1.toLowerCase();
  s2 = s2.toLowerCase();

  var costs = new Array();
  for (var i = 0; i <= s1.length; i++) {
    var lastValue = i;
    for (var j = 0; j <= s2.length; j++) {
      if (i == 0)
        costs[j] = j;
      else {
        if (j > 0) {
          var newValue = costs[j - 1];
          if (s1.charAt(i - 1) != s2.charAt(j - 1))
            newValue = Math.min(Math.min(newValue, lastValue),
              costs[j]) + 1;
          costs[j - 1] = lastValue;
          lastValue = newValue;
        }
      }
    }
    if (i > 0)
      costs[s2.length] = lastValue;
  }
  return costs[s2.length];
}

Використання

similarity('Stack Overflow','Stack Ovrflw')

повертає 0,8571428571428571


Ви можете грати з ним нижче:


Покращення для кількох слів: var подібність2 = функція (s1, s2) {var split1 = s1.split (''); var split2 = s2.split (''); var сума = 0; var max = 0; var temp = 0; для (var i = 0; i <split1.length; i ++) {max = 0; for (var j = 0; j <split2.length; j ++) {temp = подібність (split1 [i], split2 [j]); якщо (max <temp) max = temp; } console.log (макс.); сума + = max / split1.length; } сума повернення; };
infinito84

@ overlord1234 Чи працює метод, наведений вище, для такого рядка, як:
hyperfkcb

Він працює з рядками без доданої до нього семантики. Будь ласка, спробуйте запустити вбудований фрагмент коду (дякую Девіду). Я отримую подібність 0,17857142857142858, коли вводжу вищезазначені рядки.
overlord1234

@hyperfkcb він реалізує алгоритм редагування відстані, який підраховує, скільки символів знаходиться в неправильному положенні (більш-менш), тому для обчислення відсотків він бере довше можливе значення відстані редагування (longLength) і робить (longLength - editDistance) / довшеДовжина.
infinito84

Однак це занадто повільно для довгих рядків.
оновлення

14

Ось дуже проста функція, яка виконує порівняння і повертає відсоток на основі еквівалентності. Хоча він не був протестований для всіх можливих сценаріїв, він може допомогти вам розпочати роботу.

function similar(a,b) {
    var equivalency = 0;
    var minLength = (a.length > b.length) ? b.length : a.length;    
    var maxLength = (a.length < b.length) ? b.length : a.length;    
    for(var i = 0; i < minLength; i++) {
        if(a[i] == b[i]) {
            equivalency++;
        }
    }
    

    var weight = equivalency / maxLength;
    return (weight * 100) + "%";
}
alert(similar("test","tes"));   // 75%
alert(similar("test","test"));  // 100%
alert(similar("test","testt")); // 80%
alert(similar("test","tess"));  // 75%

9
Проблема в тому, що "перевірка" та "перевірка" повертають 0%, що, як ми знаємо, не відповідає дійсності.
peresisUser

8

Використання цієї бібліотеки для подібності рядків спрацювало для мене як принада!

Ось приклад -

var similarity = stringSimilarity.compareTwoStrings("Apples","apple");    // => 0.88

6
Це чудово, за винятком того, що stringS similarity має залежність під назвою lodash, яка містить понад 1000 файлів, що додаються у ваш проект, щоб ви могли отримати подібність рядків.
GrumpyCrouton

2
Так, це відбувається під час додавання пакету локально. Але замість цього ми можемо використовувати CDN для меншого розміру пакета. Ось посилання CDN - jsdelivr.com/package/npm/lodash - jsdelivr.com/package/npm/string-similarity
Tushar Walzade

2
Вони усунули більшість залежностей, включаючи лодаш
Lovenkrands

7

Лише один я швидко написав, що може бути достатньо для ваших цілей:

function Compare(strA,strB){
    for(var result = 0, i = strA.length; i--;){
        if(typeof strB[i] == 'undefined' || strA[i] == strB[i]);
        else if(strA[i].toLowerCase() == strB[i].toLowerCase())
            result++;
        else
            result += 4;
    }
    return 1 - (result + 4*Math.abs(strA.length - strB.length))/(2*(strA.length+strB.length));
}

Це зважує символи, що мають однаковий, але різний випадок, на 1 чверть так само сильно, як символи, які абсолютно різні або відсутні. Він повертає число від 0 до 1, 1, тобто рядки ідентичні. 0 означає, що вони не мають подібності. Приклади:

Compare("Apple", "Apple")    // 1
Compare("Apples", "Apple")   // 0.8181818181818181
Compare("Apples", "apple")   // 0.7727272727272727
Compare("a", "A")            // 0.75
Compare("Apples", "appppp")  // 0.45833333333333337
Compare("a", "b")            // 0

6
Не настільки точно: Порівняти ("Apple", "zApple") = 0,07, тоді як Порівняти ("Apple", "Applez") = 0,84
Куша

3
@Kousha, це позиційно. "Apple" та "zApple" мають лише одну спільну букву (другу p).
Пол

2
@Paulpro Apple і zApple мають п'ять спільних букв логічно. Виною вашої реалізації. Apple, zApple, Applez схожі.
Kousha 05.03.16

2
@Kousha, zApple не схожий за цим алгоритмом, оскільки він позиційний. Це не робить алгоритм неправильним.
Пол

8
@Paulpro: Це не робить ваш алгоритм неправильним, але робить його поганою відповіддю на це питання ...
MarcoS

6

Як щодо функції similar_textз бібліотеки PHP.js ?

Він заснований на функції PHP з тим самим іменем .

function similar_text (first, second) {
    // Calculates the similarity between two strings  
    // discuss at: http://phpjs.org/functions/similar_text

    if (first === null || second === null || typeof first === 'undefined' || typeof second === 'undefined') {
        return 0;
    }

    first += '';
    second += '';

    var pos1 = 0,
        pos2 = 0,
        max = 0,
        firstLength = first.length,
        secondLength = second.length,
        p, q, l, sum;

    max = 0;

    for (p = 0; p < firstLength; p++) {
        for (q = 0; q < secondLength; q++) {
            for (l = 0;
            (p + l < firstLength) && (q + l < secondLength) && (first.charAt(p + l) === second.charAt(q + l)); l++);
            if (l > max) {
                max = l;
                pos1 = p;
                pos2 = q;
            }
        }
    }

    sum = max;

    if (sum) {
        if (pos1 && pos2) {
            sum += this.similar_text(first.substr(0, pos2), second.substr(0, pos2));
        }

        if ((pos1 + max < firstLength) && (pos2 + max < secondLength)) {
            sum += this.similar_text(first.substr(pos1 + max, firstLength - pos1 - max), second.substr(pos2 + max, secondLength - pos2 - max));
        }
    }

    return sum;
}

1
Чи повертається подібність на основі відповідного символу? Як оцінює подібність
hyperfkcb

3

Знайти ступінь подібності між двома рядками; ми можемо використовувати більше одного або двох методів, але я здебільшого схиляюся до використання " коефіцієнта кістки " . який краще! наскільки мені відомо, ніж використання " відстані Левенштейна "

Використовуючи цей пакет схожості на рядки з npm, ви зможете працювати над тим, що я сказав вище.

є кілька простих прикладів використання

var stringSimilarity = require('string-similarity');

var similarity = stringSimilarity.compareTwoStrings('healed', 'sealed'); 

var matches = stringSimilarity.findBestMatch('healed', ['edward', 'sealed', 'theatre']);

для отримання додаткової інформації відвідайте посилання, вказане вище. Дякую.


1
Посилання на рішення вітається, але будь ласка, переконайтеся, що ваша відповідь корисна без нього: додайте контекст навколо посилання, щоб ваші однодумці мали певне уявлення, що це таке і чому воно є, а потім цитуйте найбільш відповідну частину сторінки, яку ви хочете повторне посилання на випадок, якщо цільова сторінка буде недоступна. Відповіді, які є лише кількома посиланнями, можуть бути видалені .
Девід Бак,

1

fuzzyset - нечіткий рядок, встановлений для javascript. fuzzyset - це структура даних, яка виконує щось подібне до пошуку в повнотекстовому режимі щодо даних, щоб визначити ймовірні помилки та приблизне співпадіння рядків. Зверніть увагу, що це порт javascript бібліотеки python.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.