文本相似度——汉明距离
1 基本思路
汉明距离定义：在信息论中，两个等长字符串之间的汉明距离（英语：Hamming distance）是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。
示例：
- 1011101与1001001之间的汉明距离是2。
- 2143896与2233796之间的汉明距离是3。
- "toned"与"roses"之间的汉明距离是3。
2 算法实现
2.1 Python 实现
- 方法一：
def hamming_distance(chaine1, chaine2):
return sum(c1 != c2 for c1, c2 in zip(chaine1, chaine2))- 方法二：
def hamming_distance2(chaine1, chaine2):
return len(list(filter(lambda x : ord(x[0])^ord(x[1]), zip(chaine1, chaine2))))2.2 Python 包
使用distance
# pip install distance
import distance
print(distance.hamming("hamming", "hamning"))- https://en.wikipedia.org/wiki/Hamming_distance
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019-04-25 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录