C#比较两个字符串的类似度【转】

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

咱们在作数据系统的时候，常常会用到模糊搜索，可是，数据库提供的模糊搜索并不具有按照相关度进行排序的功能。

如今提供一个比较两个字符串类似度的方法。
经过计算出两个字符串的类似度，就能够经过Linq在内存中对数据进行排序和筛选，选出和目标字符串最类似的一个结果。
 
本次所用到的类似度计算公式是 类似度=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中都存在的单词的总数，s是字符串1中存在，字符串2中不存在的单词总数，r是字符串2中存在，字符串1中不存在的单词总数. Kq,Kr和ka分别是q,r,s的权重，根据实际的计算状况，咱们设Kq=2，Kr=Ks=1.
根据这个类似度计算公式，得出如下程序代码：
/// <summary>
/// 获取两个字符串的类似度
/// </summary>
/// <param name=”sourceString”>第一个字符串</param>
/// <param name=”str”>第二个字符串</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();

//获取交集数量
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);
}

 
这就是计算字符串类似度的方法，可是实际应用时，还须要考虑到同义词或近义词的状况发生， 如“爱造人小说阅读的更新最快”和“爱造人小说阅读地更新最快” 。两个字符串在必定意义上说实际上是相同的，若是使用上述方法计算就会出现不许确的状况。因此在实际应用的时候，咱们须要替换同义词或近义词，计算替换后的类似度。
若是是近义词，须要综合替换近义词前和近义词后的计算结果，得出两个字符串的实际类似度。