ความคล้ายคลึงสตริง

ความคล้ายคลึงสตริงวัดว่าข้อความสองข้อความตรงกันมากแค่ไหน ใช้ในการตรวจสอบการสะกด การวิเคราะห์ DNA การตรวจจับการคัดลอก และการลบข้อมูลซ้ำ

ระยะทาง Levenshtein (ระยะทางการแก้ไข) วัดจำนวนการแก้ไขอักขระเดี่ยวขั้นต่ำ — แทรก ลบ หรือแทนที่ — ที่จำเป็นในการแปลงสตริงหนึ่งเป็นอีกสตริงหนึ่ง ตัวอย่างเช่น ระยะทางระหว่าง "cat" กับ "bat" คือ 1

Jaro-Winkler ให้คะแนนสูงกว่าแก่สตริงที่มีคำนำหน้าร่วมกัน ใช้กันอย่างแพร่หลายสำหรับการจับคู่ชื่อ ที่อยู่ และบันทึกในฐานข้อมูล

ความคล้าย Cosine แบ่งสตริงเป็น n-gram อักขระ แปลงเป็นเวกเตอร์ และวัดโคไซน์ของมุมระหว่างเวกเตอร์ ทำงานได้ดีกับข้อความยาว

ความคล้าย Cosine ใช้เวกเตอร์ความถี่ n-gram และวัดมุมระหว่างกัน ในขณะที่ Jaccard เปรียบเทียบชุด n-gram ด้วยอัตราส่วนจุดตัดต่อจุดรวม Jaccard ละเว้นรายการซ้ำ; Cosine ไม่ละเว้น

ระยะทาง Hamming นับจำนวนตำแหน่งที่อักขระที่ตรงกันแตกต่างกันระหว่างสตริงสองสตริงที่มีความยาวเท่ากัน ใช้ได้เฉพาะกับสตริงที่มีความยาวเท่ากัน

สัมประสิทธิ์ Sørensen-Dice วัดความคล้ายคลึงตามจำนวน bigram ที่ใช้ร่วมกันเทียบกับ bigram ทั้งหมดในทั้งสองสตริง ให้น้ำหนักกับองค์ประกอบร่วมกันมากกว่า Jaccard

สำหรับสตริงสั้นที่มีข้อผิดพลาดในการพิมพ์ (ชื่อ รหัส) ให้ใช้ Levenshtein หรือ Jaro-Winkler สำหรับข้อความยาว ความคล้าย Cosine ดีที่สุด สำหรับการเปรียบเทียบชุดอย่างรวดเร็ว ให้ใช้ Jaccard

n-gram คือลำดับต่อเนื่องของ n อักขระจากสตริง ตัวอย่างเช่น bigram ของ "hello" คือ "he", "el", "ll", "lo" n-gram เป็นหน่วยพื้นฐานของอัลกอริทึมความคล้ายคลึงหลายตัว

การจับคู่แบบฟัซซีค้นหาสตริงที่ตรงกับรูปแบบโดยประมาณ ไม่ใช่ตรงทั้งหมด ใช้ในเครื่องมือค้นหา เครื่องมือตรวจสอบการสะกด และการทำความสะอาดข้อมูล

ไม่ การคำนวณทั้งหมดทำในเบราว์เซอร์ของคุณโดยตรง ข้อความของคุณไม่มีวันออกจากอุปกรณ์ ไม่มีการประมวลผลหรือจัดเก็บที่เซิร์ฟเวอร์

ได้ อัลกอริทึมทำงานกับอักขระ Unicode ใดๆ อย่างไรก็ตาม ผลลัพธ์อาจแตกต่างกันเพราะภาษาต่างๆ มีโครงสร้างอักขระที่แตกต่างกัน