いくつかの文字列があり、それらの類似性を測定したいのですが、文字の類似性よりも構造上の類似性に基づいて、たとえば文字列の編集距離とは異なります。
例: 312164 と 48479 は、数字のみで長さが同じであるため、非常に高いスコアを取得する必要があります。Bla blubb と bla bloob blo の場合、文字のみが含まれており、間にギャップがあるため、同じである必要があります。apple と app3 f のようなカップルには、いくつかの文字を共有していても構造が異なる場合でも、適用するスコアを少なくする必要があります。
そのようなもの.誰か手がかりを持っていますか? 可能であればJavaで。
ありがとうございました！
それらを類似点で定義し、スコア付けします。
文字列の例:
バナナ
オレンジ
オレンジ 123
バナナ 234
長さ = x ポイント x は長さ
同一文字＝1点（A!=a）
類似キャラ同位置=2点
各文字列に固有の文字の減点
例: バナナとオレンジを比較
長さ＝6点（どちらも6点）
「a」の場合 = 1 ポイント (両方とも a を持っています)。両方に a が 2 つあれば、2 ポイントを与えます。「a」が両方の文字列で同じ位置にある場合は、さらに 2 ポイントを与えます。
「n」 = 1 ポイントの場合
合計プラスポイント: 8
オレンジには B がないため、B に 1
バナナには a が 3 つあるため、「a」は 2 です。
Banana には 2 つの n があるため、「n」は 1
O の場合は 1
r は 1
g の場合は 1
e は 1
合計マイナス: 8
合計プラス ポイント - 合計マイナス ポイント = 0
これは大まかなロジックですが、そこから何かを導き出すことができます。