[发明专利]一种Web环境下的字符串相似度的分析方法

摘要

一种Web环境下的字符串相似度分析方法，首先定义基本操作代价；对字符串预处理，识别它的词首字符和去除非实意字符；创建距离矩阵，通过创建匹配索引实现编辑距离的优化；然后，判断缩写词，先判断两个字符串是否是缩写关系，如果是缩写关系则进行距离优化；其中，缩写关系由2个因素决定：①判断两者是否有相似度；②判断两者的词首字符是否被匹配；之后对缩写词距离优化，通过减少连续插入字符和连续删除字符的代价实现。本发明的字符串相似度分析方法能很好地处理web中经常出现的省略、缩写和字符顺序颠倒情况，具有较高适用性，在Web未知环境下，具有较高的匹配精度。

主权项

1.一种Web环境下的字符串相似度分析方法，其特征在于：该方法包括如下步骤；步骤1.定义基本操作代价，基本操作代价由删除字符代价、插入字符代价、替换字符代价组成；步骤2.字符串预处理，识别词首字符和去除非实义字符；步骤3.计算编辑距离，通过创建匹配索引实现字符串中字符位置的交换，进而优化编辑距离；其中匹配索引是指将一个字符串以最小代价的编辑操作序列转换成另一个字符串的过程中，原本被插入或删除的字符通过改变字符顺序能够以更小的代价进行替换的字符的索引；步骤4.判断是否为缩写词，首先判断两个字符串是否是缩写关系；如果是缩写关系则进行距离优化；其中，缩写关系由2个因素决定：①判断两者是否有相似度；②判断两者的词首字符是否被匹配；缩写词距离优化，通过减少连续插入字符和连续删除字符的代价实现。