我有一个问题,我需要在散列图中进行模糊查找,即返回与查询最相似的键对应的值,在我的例子中是用Levenshtein距离度量的。在
我当前的方法是使用一个特殊的查找方法来子类dict
,该方法计算所有键的Levenshtein距离,然后返回得分最低的键的值。基本上是这样:
import Levenshtein
class FuzzyLookupDict(dict):
def fuzzy_lookup(self, query):
levs = [(key, Levenshtein.ratio(query, key)) for key in self.keys()]
key, score = max(levs, key=lambda lev: lev[1])
return self.get(key)
这是一个好方法,还是有更好的解决方案,我还没有想到?在
这个问题通常用Levenshtein automata来解决。对于一个串w和一个数n的Levenshtein自动机是一个有限状态自动机,它能识别出Levenshtein到w的所有串的集合。在
该算法比用动态规划法分别计算每个字典词的Levenshtein距离要快得多。在
julejacob的博客文章Levenshtein automata can be simple and fast是一个很好的起点,Nick Johnsonz的Damn Cool Algorithms: Levenshtein Automata是一个更深入的介绍。在
您可以在Github上找到一些Python实现,例如https://github.com/antoinewdg/pyffs。在
相关问题 更多 >
编程相关推荐