字符串相似度 -> Levenshtein 距离

Question

我正在使用 Levenshtein 算法来查找两个字符串之间的相似性。这是我正在制作的程序的一个非常重要的部分，因此它需要有效。问题是该算法没有发现以下示例相似:

CONAIR
AIRCON

算法给出的距离为 6。所以对于这个 6 个字母的单词(你看字母数量最多的单词)，差异为 100% => 相似度为 0%。

我需要找到一种方法来找出两个字符串之间的相似性，同时还要考虑像我之前介绍的那种情况。

我可以使用更好的算法吗？或者你们推荐我什么？

编辑:我还研究了“Damerau–Levenshtein”算法，它添加了换位。问题是这种换位仅适用于相邻字符(而不适用于多个字符)。

Answer 1

我会将术语分为一元组、二元组和三元组，然后计算余弦相似度。