为了账号安全,请及时绑定邮箱和手机立即绑定

如何在MYSQL中计算两个字符串之间的相似度

/ 猿问

如何在MYSQL中计算两个字符串之间的相似度

繁花不似锦 2019-11-13 15:52:38

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!


查看完整描述

3 回答

?
慕容3067478

您可以使用此功能(从http://www.artfulsoftware.com/infotree/queries.php#552改编的cop ^ H ^ H ^ ):


CREATE FUNCTION `levenshtein`( s1 text, s2 text) RETURNS int(11)

    DETERMINISTIC

BEGIN 

    DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT; 

    DECLARE s1_char CHAR; 

    DECLARE cv0, cv1 text; 

    SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0; 

    IF s1 = s2 THEN 

      RETURN 0; 

    ELSEIF s1_len = 0 THEN 

      RETURN s2_len; 

    ELSEIF s2_len = 0 THEN 

      RETURN s1_len; 

    ELSE 

      WHILE j <= s2_len DO 

        SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1; 

      END WHILE; 

      WHILE i <= s1_len DO 

        SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1; 

        WHILE j <= s2_len DO 

          SET c = c + 1; 

          IF s1_char = SUBSTRING(s2, j, 1) THEN  

            SET cost = 0; ELSE SET cost = 1; 

          END IF; 

          SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost; 

          IF c > c_temp THEN SET c = c_temp; END IF; 

            SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1; 

            IF c > c_temp THEN  

              SET c = c_temp;  

            END IF; 

            SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1; 

        END WHILE; 

        SET cv1 = cv0, i = i + 1; 

      END WHILE; 

    END IF; 

    RETURN c; 

  END

并以XX%的价格使用此功能


CREATE FUNCTION `levenshtein_ratio`( s1 text, s2 text ) RETURNS int(11)

    DETERMINISTIC

BEGIN 

    DECLARE s1_len, s2_len, max_len INT; 

    SET s1_len = LENGTH(s1), s2_len = LENGTH(s2); 

    IF s1_len > s2_len THEN  

      SET max_len = s1_len;  

    ELSE  

      SET max_len = s2_len;  

    END IF; 

    RETURN ROUND((1 - LEVENSHTEIN(s1, s2) / max_len) * 100); 

  END


查看完整回答
反对 回复 2019-11-13
?
料青山看我应如是

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。


查看完整回答
反对 回复 2019-11-13
?
侃侃尔雅

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


查看完整回答
反对 回复 2019-11-13

添加回答

回复

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信