如何在 MySQL 中高效計算字串相似度百分比？

在MySQL 中計算字串相似度

計算兩個字串之間的相似度是自然語言處理和資料分析中的常見任務。 MySQL 提供了一個強大的函數 LEVENSHTEIN，它可以有效率且準確地計算字串相似度。

LEVENSHTEIN 測量兩個字串之間的編輯距離，即轉換一個字串所需的最小插入、刪除或替換次數進入另一個。編輯距離越小，表示字串之間的相似度越高。

要計算兩個字串@a 和@b 之間的相似度百分比，我們可以使用以下公式：

similarity = count(similar words between @a and @b) / (count(@a) + count(@b) - count(intersection))

其中交集表示@a和@b同時出現的單字數。

要在MySQL中實現這個公式，我們可以使用以下公式函數：

CREATE FUNCTION `levenshtein`( s1 text, s2 text) RETURNS int(11)
    DETERMINISTIC
BEGIN 
    DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT; 
    DECLARE s1_char CHAR; 
    DECLARE cv0, cv1 text; 
    SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0; 
    IF s1 = s2 THEN 
      RETURN 0; 
    ELSEIF s1_len = 0 THEN 
      RETURN s2_len; 
    ELSEIF s2_len = 0 THEN 
      RETURN s1_len; 
    ELSE 
      WHILE j <= s2_len DO 
        SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1; 
      END WHILE; 
      WHILE i <= s1_len DO 
        SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1; 
        WHILE j <= s2_len DO 
          SET c = c + 1; 
          IF s1_char = SUBSTRING(s2, j, 1) THEN  
            SET cost = 0; ELSE SET cost = 1; 
          END IF; 
          SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost; 
          IF c > c_temp THEN SET c = c_temp; END IF; 
            SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1; 
            IF c > c_temp THEN  
              SET c = c_temp;  
            END IF; 
            SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1; 
        END WHILE; 
        SET cv1 = cv0, i = i + 1; 
      END WHILE; 
    END IF; 
    RETURN c; 
  END

CREATE FUNCTION `levenshtein_ratio`( s1 text, s2 text ) RETURNS int(11)
    DETERMINISTIC
BEGIN 
    DECLARE s1_len, s2_len, max_len INT; 
    SET s1_len = LENGTH(s1), s2_len = LENGTH(s2); 
    IF s1_len > s2_len THEN  
      SET max_len = s1_len;  
    ELSE  
      SET max_len = s2_len;  
    END IF; 
    RETURN ROUND((1 - LEVENSHTEIN(s1, s2) / max_len) * 100); 
  END

使用這些函數，我們可以計算@a和@b之間的相似度，如下所示：

SELECT LEVENSHTEIN_RATIO(@a, @b);

這將以整數形式傳回相似度百分比0 到100 之間的值，其中100表示完全相似。

以上是如何在 MySQL 中高效計算字串相似度百分比？的詳細內容。更多資訊請關注PHP中文網其他相關文章！