Процентная похожесть двух слов

@Dj_SheLL · Регистрация: 13.02.2010

Студворк — интернет-сервис помощи студентам

Собственно сабж.
Не могу придумать алгоритм для сравнения двух слов разной длины и получить процент их схожести.
Вручную на листике можно запросто,к примеру:
слово - олово - 80% схожести
слово - корова - 55% схожести
А вот как это сделать программным путём?
Проверяю схожесть по вхождению символов одного слова в другом.
Вот пока до чего дошёл,но это не совсем правильно,можно сказать вообще

C#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
public static int ComparePercanteWord(string reco, string gypo)
        {
            int count = 0, percant = 0, percant1 = 0, percant2 = 0;
            char[] recos = reco.ToCharArray();
            char[] gypos = gypo.ToCharArray();
            for (int i = 0; i < recos.Length; i++)
            {
                for (int j = 0; j < gypos.Length; j++)
                {
                    if (recos[i] == gypos[j])
                    { count++; }
                }
            }
            if (count > 0)
            {
                percant1 = (100 / reco.Length) * count;
                percant2 = (100 / gypo.Length) * count;
                percant = (percant1 + percant2) / 2;
            }
            else
            { percant = 0; }
            return percant;
        }

Заранее спасибо за любые советы!

@turbanoff · 01.02.2012, 14:45

Поясните, как вы получили

слово - корова - 55% схожести

я бы дал максимум 33%

@Dj_SheLL · 01.02.2012, 14:50 **[ТС]**

Сообщение от turbanoff

я бы дал максимум 33%

Ну вот.Кто как.
Ну я посчитал количество букв, которое есть в обоих словах.Нашёл их процентное составляющее для каждого слова в отдельности,а потом нашёл средний процент из двух, ранее найденных, значений.
Я знаю,что это не правильно,но по-другому вообще не знаю как.
Алгоритм Шинглов не подходит - он для строк.

@turbanoff · 01.02.2012, 15:51

в голову приходит только что-то типа баллов:
за каждую общую букву - 1 балл
за каждую общую букву после другой общей - 3 балла
за каждую общую букву после другой общей, при этом они соседние - 5 баллов.

вот и придется подсчитать каждый для конкретной пара, а также найти максимум схожести.
потом поделить.

хотя кривовато будет. надо определиться с критериями похожести

@Димон_ · 01.02.2012, 15:56

Вопрос собственно ЗАЧЕМ?
Я понимаю, нужно, очень часто при взаимодействии с пользователем через текст, обрабатывать возможность опечаток-ошибок.
Но тут?

@turbanoff · 01.02.2012, 15:58

Сообщение от Димон_

Вопрос собственно ЗАЧЕМ?
Я понимаю, нужно, очень часто при взаимодействии с пользователем через текст, обрабатывать возможность опечаток-ошибок.
Но тут?

а почему вы решили, что тут как раз не тот случай?

@Dj_SheLL · 01.02.2012, 16:05 **[ТС]**

Сообщение от Димон_

Вопрос собственно ЗАЧЕМ?
Я понимаю, нужно, очень часто при взаимодействии с пользователем через текст, обрабатывать возможность опечаток-ошибок.
Но тут?

Я с помощью MS SAPI при распознавании голосовой команды получаю гипотетическое и точное значение.Я должен предусмотреть все возможности,вплоть,что движок почти правильно распознает команду,но слова будут похожи (пользователь мог для двух команд сделать ключевые слова "олово" и "слово"). И вот при распознании я могу получить и как "олово" и так "слово".
Хочу сделать систему выбора правильного варианта с последующим анализом частоты выбора одного из двух вариантов.
А для этого мне нужно знать насколько эти два слова похожи,чтобы предоставлять пользователю возможность выбора или нет.Ну как-то.Объясняю плохо,если что извините.

@turbanoff · 01.02.2012, 16:12

вообще насколько видно задача довольно старая и фундамент заложен давно, ведь по сути алгоритм используется в spell-cheker-ах
советую посмотреть статью http://habrahabr.ru/blogs/algorithm/114997/, там есть реализация на java. На c# переписать, я думаю, не составит труда
и если не пугает английский http://stackoverflow.com/q/2294915/272742

@Dj_SheLL · 01.02.2012, 16:14 **[ТС]**

Сообщение от turbanoff

в голову приходит только что-то типа баллов:
за каждую общую букву - 1 балл
за каждую общую букву после другой общей - 3 балла
за каждую общую букву после другой общей, при этом они соседние - 5 баллов.
вот и придется подсчитать каждый для конкретной пара, а также найти максимум схожести.
потом поделить.
хотя кривовато будет. надо определиться с критериями похожести

На основе вашей идеи возникла своя!
Заключается в чём:
Есть "корова" и "слово", нужно брать с первого слова первую пару букв т.е. "ко" и смотреть,есть ли вхождения этой пары или нет в "слово",если нет,то брать следующую пару,т.е. "ор" и т.д.
Когда находим вхождение (это будет "ов"), запоминаем позицию, берём следующую пару букв с первого слова "ва" и с УЖЕ известной позиции смотрим, есть ли там также эта пара,если нет,то вхождение равно 2 (два символа),если дальше есть допустим в примере "слово-олово",то вхождение равно 4.
Считаем проценты вхождений:
корова - 2 - 33%
слово - 2 - 40%
Общий процент схожести будет 36.5%

В случае "слово-олово" будет 80%.

Как идея?

Добавлено через 1 минуту

Сообщение от turbanoff

советую посмотреть статью http://habrahabr.ru/blogs/algorithm/114997/
и если не пугает английский http://stackoverflow.com/q/2294915/272742

Ооо!Хоть какое-то направление!Этого я почему то в гугле не нашёл

Новые блоги и статьи Все статьи Все блоги /
Символьное дифференцирование igorrr37 13.02.2026 / * Логарифм записывается как: (x-2)log(x^2+2) - означает логарифм (x^2+2) по основанию (x-2). Унарный минус обозначается как ! */ #include <iostream> #include <stack> #include <cctype>. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»
SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image 8Observer8 10.02.2026 Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .	Установка Qt-версии Lazarus IDE в Debian Trixie Xfce volvo 10.02.2026 В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .

@turbanoff 4094 / 3828 / 745 Регистрация: 18.05.2010 Сообщений: 9,331 Записей в блоге: 12
	01.02.2012, 15:51
	в голову приходит только что-то типа баллов: за каждую общую букву - 1 балл за каждую общую букву после другой общей - 3 балла за каждую общую букву после другой общей, при этом они соседние - 5 баллов. вот и придется подсчитать каждый для конкретной пара, а также найти максимум схожести. потом поделить. хотя кривовато будет. надо определиться с критериями похожести 1

@Димон_ 136 / 104 / 9 Регистрация: 30.01.2011 Сообщений: 699
	01.02.2012, 15:56
	Вопрос собственно ЗАЧЕМ? Я понимаю, нужно, очень часто при взаимодействии с пользователем через текст, обрабатывать возможность опечаток-ошибок. Но тут? 0

@turbanoff 4094 / 3828 / 745 Регистрация: 18.05.2010 Сообщений: 9,331 Записей в блоге: 12
	01.02.2012, 16:12
	вообще насколько видно задача довольно старая и фундамент заложен давно, ведь по сути алгоритм используется в spell-cheker-ах советую посмотреть статью http://habrahabr.ru/blogs/algorithm/114997/, там есть реализация на java. На c# переписать, я думаю, не составит труда и если не пугает английский http://stackoverflow.com/q/2294915/272742 1