algorithm - 将任意字符串映射到 RGB 值

Question

我有一大堆任意的自然语言字符串。对于分析它们的工具，我需要将每个字符串转换为唯一的颜色值(RGB 或其他)。我需要颜色对比度取决于字符串相似性(字符串与其他字符串不同，它们各自的颜色应该越多不同)。如果我总是为相同的字符串获得相同的颜色值，那将是完美的。

关于如何解决这个问题有什么建议吗？

更新字符串之间的距离

我可能需要将“相似性”定义为类 Levenstein 距离。不需要自然语言解析。

即:

"I am going to the store" and 
"We are going to the store"

类似。

"I am going to the store" and 
"I am going to the store today"

也类似(但略少)。

"I am going to the store" and 
"J bn hpjoh up uif tupsf"

完全不相似。

(谢谢，Welbog!)

只有当我看到程序输出时，我才可能确切地知道我需要什么距离函数。因此，让我们从更简单的事情开始。

任务简化更新

我已经删除了我自己将任务分成两部分的建议——绝对距离计算和颜色分布。这不会很好地工作，因为首先我们将维度信息减少到一个维度，然后尝试将其合成到三个维度。

Answer 1

您需要详细说明“相似字符串”的含义，以便提出适当的转换函数。是字符串吗

 "I am going to the store" and 
"We are going to the store" 

被认为相似？字符串呢

 "I am going to the store" and 
"J bn hpjoh up uif tupsf" 

(原文中的所有字母+1)，或者

 "I am going to the store" and 
"I am going to the store today"

?根据您所说的“相似”的含义，您可能会考虑不同的功能。

如果差异可以完全基于字符的值(在 Unicode 或它们来自的任何空间)，那么您可以尝试将这些值相加并将结果用作 HSV 空间的色调。如果字符串较长会导致颜色差异更大，您可以考虑根据字符在字符串中的位置来权衡字符。

如果差异更为复杂，例如某些字母或单词的出现，那么您需要识别这一点。也许你可以根据字符串中 Es、Ss 和 Rs 的数量来决定红色、绿色和蓝色值，如果你的域有很多这样的话。或者根据元音与辅音的比例，或单词与音节的比例来选择色调。

有很多很多不同的方法来解决这个问题，但最好的方法实际上取决于您所说的“相似”字符串的含义。