php文章相似度计算 不用similar_text()函数 - loongwong2011的博客 - CSDN博客
php默认有个函数similar_text()用于计算字符串之间的相似度，该函数也可以计算两个字符串的相似度（以百分比计）。不过这个函数感觉对中文计算很不准确比如：
1
echo similar_text(`"吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难"`);
这两个新闻标题其实都是一样的，如果使用similar_text()相似对结果为：42，即只相似42%，所以这个感觉很不靠谱，今天刚好收集到一段PHP代码也是用于比较两个字符串的相似度，直接贴出代码：
01
<?php
02
class LCS {
03
var $str1`;`
04
var $str2`;`
05
var $c = array`();`
06
/*
07
返回串一和串二的最长公共子序列
08
*/
09
function getLCS(`$str1,` `$str2, $len1 = 0, $len2 = 0) {`
10
$this`->str1 = $str1`;
11
$this`->str2 = $str2`;
12
if (`$len1 == 0) $len1 = strlen($str1`);
13
if (`$len2 == 0) $len2 = strlen($str2`);
14
$this`->initC($len1, $len2`);
15
return $this`->printLCS($this->c, $len1 - 1, $len2 - 1);`
16
}
17
/*
18
返回两个串的相似度
19
*/
20
function getSimilar(`$str1,` `$str2) {`
21
$len1 = strlen`($str1);`
22
$len2 = strlen`($str2);`
23
$len = strlen`($this->getLCS($str1, $str2,` `$len1, $len2`));
24
return $len * 2 / (`$len1 + $len2`);
25
}
26
function initC(`$len1,` `$len2) {`
27
for (`$i = 0; $i < $len1;` `$i++) $this->c[$i`][0] = 0;
28
for (`$j = 0; $j < $len2;` `$j++) $this->c[0][$j`] = 0;
29
for (`$i = 1; $i < $len1;` `$i++) {`
30
for (`$j = 1; $j < $len2;` `$j++) {`
31
if (`$this->str1[$i] ==` `$this->str2[$j]) {`
32
$this`->c$i = $this->c[$i - 1][`$j - 1] + 1;
33
} else if (`$this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {`
34
$this`->c$i = $this->c[$i - 1][$j];`
35
} else {
36
$this`->c$i = $this->c[$i][$j - 1];`
37
}
38
}
39
}
40
}
41
function printLCS(`$c,` `$i, $j`) {
42
if (`$i == 0 || $j == 0) {`
43
if (`$this->str1[$i] ==` `$this->str2[$j]) return $this->str2[$j`];
44
else return ""`;`
45
}
46
if (`$this->str1[$i] ==` `$this->str2[$j]) {`
47
return $this`->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];`
48
} else if (`$this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {`
49
return $this`->printLCS($this->c, $i - 1, $j`);
50
} else {
51
return $this`->printLCS($this->c, $i`, $j - 1);
52
}
53
}
54
}
55
56
$lcs = new LCS();
57
//返回最长公共子序列
58
$lcs`->getLCS("hello word","hello china");`
59
//返回相似度
60
echo $lcs`->getSimilar("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");`
//========================以上是转载==============
具体原理如下，没有细致研究
基于文本比较算法——线性空间求最长公共子序列的Nakatsu算法
http://www.cnblogs.com/grenet/archive/2011/03/11/1964417.html
使用similar_text() 可以看这里《php计算title标题相似比》
end..
代码如下:
<?php class LCS {
var $str1;
var $str2;
var $c = array();
/*
返回串一和串二的最长公共子序列 */ function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {
$this->str1 = $str1;
$this->str2 = $str2;
if ($len1 == 0) $len1 = strlen($str1);
if ($len2 == 0) $len2 = strlen($str2);
$this->initC($len1, $len2);
return $this->printLCS($this->c, $len1 \- 1, $len2 - 1);
} /*
返回两个串的相似度 */ function getSimilar($str1, $str2) {
$len1 = strlen($str1);
$len2 = strlen($str2);
$len = strlen($this->getLCS($str1, $str2, $len1, $len2));
return $len \* 2 / ($len1 + $len2);
} function initC($len1, $len2) {
for ($i = 0; $i < $len1; $i++) $this->c\[$i][0] = 0;
for ($j = 0; $j < $len2; $j++) $this->c\[0\]\[$j] = 0;
for ($i = 1; $i < $len1; $i++) {
for ($j = 1; $j < $len2; $j++) {
if ($this->str1\[$i] == $this->str2\[$j]) {
$this->c\[$i][$j\] = $this->c[$i \- 1\]\[$j - 1] + 1;
} else if ($this->c\[$i - 1][$j\] >= $this->c[$i\]\[$j - 1]) {
$this->c\[$i][$j\] = $this->c[$i \- 1\]\[$j];
} else {
$this->c\[$i][$j\] = $this->c[$i\]\[$j - 1];
} } } } function printLCS($c, $i, $j) {
if ($i == 0 || $j == 0) {
if ($this->str1\[$i] == $this->str2\[$j]) return $this->str2\[$j];
else return "";
} if ($this->str1\[$i] == $this->str2\[$j]) {
return $this->printLCS($this->c, $i \- 1, $j - 1).$this->str2\[$j];
} else if ($this->c\[$i - 1][$j\] >= $this->c[$i\]\[$j - 1]) {
return $this->printLCS($this->c, $i \- 1, $j);
} else {
return $this->printLCS($this->c, $i, $j - 1);
} } } $lcs = new LCS(); //返回最长公共子序列 //echo $lcs->getLCS("hello word","hello china"); //echo "<br/>"; //返回相似度 echo $lcs->getSimilar("吉林宝源丰禽业公司","吉林宝源丰禽业公司");
Original url: Access
Created at: 2019-04-12 18:50:41
Category: default
Tags: none
未标明原创文章均为采集，版权归作者所有，转载无需和我联系，请注明原出处，南摩阿彌陀佛，知识，不只知道，要得到
最新评论