[发明专利]一种基于编辑距离的字符串模糊匹配和查询方法

摘要

本发明公开了一种基于编辑距离的字符串模糊匹配和查询方法，包括以下步骤：先按照段落中字符串的长度对查询串依次进行划分，得查询串子串集合，当段落内的字符串与查询串中的字符串相匹配时，则该字符串对应索引的原字符串的匹配度加上该字符串的长度，当该字符串的匹配度大于预设上界值时，且该位置列表中没有重复的元素时，则将该字符串添加到结果集合中，否则，则对该字符串进行编辑距离的验证；当该字符串的匹配度小于预设下界值时，则直接过滤掉该字符串；当该字符串的匹配度在预设下界值与预设上界值之间时，则对该字符串进行编辑距离验证，该方法能够反映不同长度段落对匹配结果不影响的不同，同时编辑距离验证操作次数较少。

主权项

1.一种基于编辑距离的字符串模糊匹配和查询方法，其特征在于，包括以下步骤：对数据集中的字符串按照长度进行分组，其中，将长度相同的字符串划为一个组，对每一字符串组按照长度构建一棵完全二叉树，并将该二叉树记作字符串搜索树，该字符串搜索树中的每个节点内均存储有划分后的字符串、该字符串的原字符串id、该字符串的长度及该字符串的开始位置；当需要进行字符串查询时，则输入查询字符串的长度及距离阈值t，利用字符串的长度q及距离阈值t查找对应的字符串；当需要进行长度过滤时，则只需查询长度在[|q|‑τ，|q|+τ]之间的字符串即可；当需要匹配过滤时，则先按照段落中字符串的长度对查询串依次进行划分，得查询串子串集合，然后进行字符串间的匹配操作，当段落内的字符串与查询串中的字符串相匹配时，则该字符串对应索引的原字符串的匹配度加上该字符串的长度，当该字符串的匹配度大于预设上界值时，则对匹配字符串在原字符串的位置列表以及在查询串中的位置列表进行验证，当该位置列表中没有重复的元素时，说明在匹配查询操作中没有引入字符串位置互换或者重复匹配的情况，则将该字符串添加到结果集合中，否则，则对该字符串进行编辑距离的验证；当该字符串的匹配度小于预设下界值时，则直接过滤掉该字符串；当该字符串的匹配度在预设下界值与预设上界值之间时，则对该字符串进行编辑距离验证，即，当该字符串的编辑距离小于等于距离阈值t时，则将该字符串添加到结果集合中，当该字符串的编辑距离大于距离阈值t时，则直接过滤掉该字符串。