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. 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. 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. 3.1 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