python - 自定义 python-levenshtein 字符值

Question

我正在使用 python-levenshtein 模块来分析很长一段时间内的爱尔兰语文本；随着时间的推移，文本会发生许多拼写变化，例如bí -> ḃí -> bhí，“b”上的变音符号和 b 后面的“h”都代表相同的 lenition 语法形式(在第一个周期中未显示)。

在所有这些形式之间，我想要一个相当低的距离，但是使用 python-levenshtein 距离，可以得到 Levenshtein.ratio(u'ḃí', u'bí') = 0.5< 之间的相同距离 和 Levenshtein.ratio(u'xí', u'bí') = 0.5，显然是对字符 'b' 的一个较小的正字法更改，并且它直接替换为 'x'(外来字符)借用启动)不应该有相同的分数。

有没有办法修改特定字符变化的值，例如减少 bí 到 ḃí 的距离，但增加 bí 和 xí 之间的距离？或者我需要生成自己的实现吗？

Answer 1

Levenshtein 算法(“编辑距离”)不允许字符之间存在不同的距离，但有一个概括 - Needleman-Wunsch 算法 - 允许。我不知道 Python 实现，但建议在实现您自己的实现之前先寻找一个 - 这是可能的，但并不简单。