如何在MYSQL中计算两个字符串之间的相似度

Question

如果我在mysql中有两个字符串：

@ a =“欢迎使用堆栈溢出”

@ b =“你好，堆栈溢出”;

有没有办法使用MYSQL获得这两个字符串之间的相似性百分比？例如，这里有3个单词是相似的，因此相似度应为：

count（@a和@b之间的相似单词）/（count（@a）+ count（@b）-count（intersection））

和结果是3 /（4 + 4-3）= 0.6

高度赞赏任何想法！

Answer 1

我认为没有一种简单的单步查询方法可以执行此操作-自然语言的内容主要是用于“类似Google的”搜索，这听起来与您尝试执行的操作不同。

根据您实际要执行的操作-我假设您已经省略了很多细节-我会：

创建一个表，将每个字符串分成单词，每个单词都用小写字母表示，去掉空格和标点符号-在您的示例中，您最终得到：

string_id               word

1                       hello

1                       from

1                       stack

1                       overflow

2                       welcome

2                       from

2                       stack

2                       overflow

然后，您可以对该表运行查询-例如

select count(*)

from  stringWords

where string_id = 2

and word in 

  (select word 

  from stringWords

  where string_id = 1);

给你路口。

然后，您可以创建一个函数或类似函数来根据您的公式计算相似度。

不是很干净，但是它应该表现得很出色，主要是关系型的，并且在很大程度上应独立于语言。为了解决可能出现的错字，您可以计算出音效-可以将“堆栈”与“ stak”进行比较，并查看它们的真实相似程度，尽管这对于除英语以外的其他语言而言并不可靠。

Answer 2

如果您不想编写自己的算法，这可能对您有帮助：

http://dev.mysql.com/doc/refman/5.0/en/fulltext-natural-language.html