[NIch]

Немного инфы...

Еще раз о нечетком сравнении строк
--------------------------------------------------------------------------------


Автор: Дмитрий Кузан

По мотивам обсуждения статьи Функция приблизительного (нечеткого) сравнения строк

Второй вариант поиска: compare1.zip (359 K)

Отличия от первого, по моим субъективным наблюдениям, в следующем:

1. Лучше находит похожие слова лежащие в одной плоскости
Соха - Сноха - совпадение 88 при том что в первом алгоритме составило 66 при длине фразы = 3
2. Хуже находит похожие (даже идентичные), но перевернутые слова
Тихий Дон - Дон Тихий - в первом способе совпадение 79 во втором 55 - очень существено.
Так что первый способ я рекомендовал для сравнения, например, полей двух баз данных.

Второй способ, по моему убеждению, лучше использовать в поиске по словарю или в тех местах, где надо найти фразу.

Вообще-то, существуют еще, кроме этих, алгоритмы поиска. Я бы выделил SoundEx для сравнения, но у него есть свои недостатки — он языкозависим, но отлично подходит для сравнения английских фраз.

Если вас это заинтересует то могу прислать в оригинале (написан он на C), но перевести в Pascal для людей которых это заинтересует, не составит труда.

И, напоследок, предлагаю вам архив с примерами алгоритмов анализа строк. К сожалению страницы указанные в архиве, как начальные, где можно найти информацию, не работают - поэтому высылаю слепок с сайта. Скачать stephen.zip (185 К)

На данных страницах лежит очень много алгоритмов касающихся анализа строк, приведу список причем очень хорошо документированных и математически обоснованных.

3. ОБЗОР АЛГОРИТМОВ
3. 1 Сопоставления строк
3. 2 Расстояния между строками
3. 2.1 Обобщенные задачи
3. 3 Нечеткое сопоставление строк
3. 3.1 Специальные устройства
3. 4 Максимальная повторяющаяся подстрока
4. АЛГОРИТМЫ
4. 1 Поиск образцов
4. 1.1 Наивный подход
4. 1.2 Кнут-Моррис-Пратт
4. 1.3 Бойер-Мур
4. 1.4 Бойер-Мур-Хорспул
4. 1.5 Сандей: Быстрый поиск, Максимальный сдвиг, Оптимальное несовпадение
4. 1.6 Хьюм и Сандей. Улучшенные алгоритмы Бойера-Мура и Наименьшая цена
4. 1.7 Харрисон
4. 1.8 Карп-Рабин
4. 2 Расстояние между строками и самая длинная общая подпоследовательность
4. 2.1 Вагнер-Фишер
4. 2.2 Хиршберг
4. 2.3 Хант-Шиманский
4. 2.4 Машек-Патерсон
4. 2.5 Укконен
4. 2.6 Самая тяжелая общая подпоследовательность
4. 3 НЕЧЕТКОЕ СОПОСТАВЛЕНИЕ СТРОК
4. 3.1 k несовпадений - Ландау-Вишкин
4. 3.2 k различий - Ландау-Вишкин
4. 4 Самая длинная повторяющаяся подстрока
4. 4.1 Наивный подход
4. 4.2 Суффиксные деревья