C#比較兩個字符串的類似度【轉】

原文地址：http://www.2cto.com/kf/201202/121170.html

咱們在作數據系統的時候，常常會用到模糊搜索，可是，數據庫提供的模糊搜索並不具有按照相關度進行排序的功能。

如今提供一個比較兩個字符串類似度的方法。
經過計算出兩個字符串的類似度，就能夠經過Linq在內存中對數據進行排序和篩選，選出和目標字符串最類似的一個結果。
 
本次所用到的類似度計算公式是 類似度=Kq*q/(Kq*q+Kr*r+Ks*s) (Kq > 0 , Kr>=0,Ka>=0)
其中，q是字符串1和字符串2中都存在的單詞的總數，s是字符串1中存在，字符串2中不存在的單詞總數，r是字符串2中存在，字符串1中不存在的單詞總數. Kq,Kr和ka分別是q,r,s的權重，根據實際的計算狀況，咱們設Kq=2，Kr=Ks=1.
根據這個類似度計算公式，得出如下程序代碼：
/// <summary>
/// 獲取兩個字符串的類似度
/// </summary>
/// <param name=」sourceString」>第一個字符串</param>
/// <param name=」str」>第二個字符串</param>
/// <returns></returns>
public static decimal GetSimilarityWith(this string sourceString, string str)
{

decimal Kq = 2;
decimal Kr = 1;
decimal Ks = 1;

char[] ss = sourceString.ToCharArray();
char[] st = str.ToCharArray();

//獲取交集數量
int q = ss.Intersect(st).Count();
int s = ss.Length – q;
int r = st.Length – q;

return Kq * q / (Kq * q + Kr * r + Ks * s);
}

 
這就是計算字符串類似度的方法，可是實際應用時，還須要考慮到同義詞或近義詞的狀況發生， 如「愛造人小說閱讀的更新最快」和「愛造人小說閱讀地更新最快」 。兩個字符串在必定意義上說實際上是相同的，若是使用上述方法計算就會出現不許確的狀況。因此在實際應用的時候，咱們須要替換同義詞或近義詞，計算替換後的類似度。
若是是近義詞，須要綜合替換近義詞前和近義詞後的計算結果，得出兩個字符串的實際類似度。