[发明专利]一种基于编辑距离的数据相似度检测方法在审
| 申请号： | 201810926125.5 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109117464A | 公开（公告）日： | 2019-01-01 |
| 发明（设计）人： | 杨丽花;李蕾 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/22 | 分类号： | G06F17/22 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种基于编辑距离的数据相似度检测方法，该方法包括以下步骤：步骤S1：输入字符串str1，str2；步骤S2：采用动态规划方法获得LD（str1，str2），LCS（str1，str2），LCCS（str1，str2）；所述步骤S2包括以下步骤：S21：计算字符串间的编辑距离Ld；S22：计算字符串间的最长公共子序列Lcs；S23：计算字符串间的最长公共子串Lccs；步骤S3：联合Ld，Lcs，Lccs获得字符串相似度sim。该方法可用于大数据数据预处理等领域，利用本发明获得的字符串相似性检测结果更加准确，具有更好的精度和通用性。 | ||
| 搜索关键词： | 字符串 编辑距离 数据相似度 最长公共子序列 字符串相似度 最长公共子串 输入字符串 数据预处理 相似性检测 动态规划 大数据 检测 可用 联合 | ||
【主权项】：
1.一种基于编辑距离的数据相似度检测方法，其特征在于：该方法包括以下步骤：步骤S1：输入字符串str1，str2；步骤S2：采用动态规划方法获得LD(str1，str2)，LCS(str1，str2)，LCCS(str1，str2)；所述步骤S2包括以下步骤：S21：计算字符串间的编辑距离Ld；字符串str1和str2的长度分别为m和n，构造矩阵[LD]n+1，m+1，利用动态规划方法获得该矩阵元素，即![]()
在该矩阵中，矩阵右下角元素LD(n，m)为字符串str1和str2之间的编辑距离Ld；S22：计算字符串间的最长公共子序列Lcs；Lcs是两个字符串中最长的共同子序列，字符串str1和str2的长度分别为m和n，构造矩阵[L]n+1，m+1，利用动态规划方法获得该矩阵元素，即![]()
在该矩阵中，矩阵右下角元素L(n，m)为字符串str1和str2之间的最长公共子序列长度Lcs；S23：计算字符串间的最长公共子串Lccs；字符串str1和str2的长度分别为m和n，构造二维矩阵[L]n+1，m+1利用动态规划方法获得该矩阵元素，即![]()
在该矩阵中，矩阵的斜对角线上找到值为1的单元格及其对应的字符串，最长的字符为Lccs；步骤S3：联合Ld，Lcs，Lccs获得字符串相似度sim，定义新的相似度公式为![]()
式中，![]()
l为平衡因子，取0.1，len为两字符串中较长串的长度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810926125.5/，转载请声明来源钻瓜专利网。
