- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
嗨,我想通过其他字符串中出现的部分单词来比较 2 个字符串。例如:我有 4 个字符串:
A) "white snow ball"
B) "super exciting"
C) "white image superdupercold"
D) "cold"
用户通过此字符串搜索“super Cold White Snow
”结果应按以下顺序返回:
C, A, D, B
因为 B 在总共 2 个单词中只有一个匹配“super”(相似度 = 50%),而 D 在总共 1 个单词中只有一个匹配“cold”(相似度 = 100%)。 A 有 2 场比赛“白色”和“雪”,C 有 3 场比赛但是,如果我使用余弦相似度,它的排名会有所不同:
另一个例子:如果用户通过这个字符串“super”搜索,那么结果应该按以下顺序返回:B、C
我认为这可以通过正则表达式和字符串分割来解决。有没有什么好的和干净的方法来用java编写它?
最佳答案
对于每个搜索字符串,使用 haystack.split("\\s+")
将其拆分为单词( \\s+
是正则表达式,表示“字符串由空格分隔”)。
然后,要获得“分数”,您需要 2 个数字:匹配的单词数以及总共有多少个单词。您首先按降序排序,最后按升序排序,这会得到您似乎想要的行为。
String[] needle = "super cold white snow".split("\\s+");
String[] haystack = "white image superdupercold".split("\\s+");
int matchedWords = 0, totalWords = haystack.length;
for (String n : needle) {
boolean found = false;
for (String hay : haystack) {
if (hay.contains(n)) {
found = true;
break;
}
}
if (found) matchedWords++;
}
对于每根针,您现在最终会得到 2 个分数:matchedWords 和totalWords。
对于任意 2 个这样的分数对,获胜者是具有较高匹配单词的那个; TotalWords 充当决胜局,其作用相反(totalWords 较低者获胜)。
有多种方法可以尝试表达这一点。一个简单的技巧是将所有这些“编码”为一个长值:
private static final long MULTIPLIER = 0x100000000L;
long score = MULTIPLIER * matchedWords + (Integer.MAX_VALUE - totalWords);
现在更高得分的针是最好的答案。
另一种选择是创建一个代表针的类以及两个分数,将所有结果放入列表中,然后对列表进行排序:
@Value
class Result { String needle; int words, total; }
list.sort(
Comparator.comparing(Result::getWords).reversed().
thenComparing(Comparator.comparing(Result::getTotal));
list.stream().map(Result::getNeedle).forEach(System.out::println);
注意:如果目标是非常有效地做到这一点,以便您可以快速地处理几十万个干草堆中的一根针,那么答案就在于单词搜索解决方案,例如 postgres tsvectors 或像 Lucene 这样的库。 .
这些代码片段中使用的类型:
@Value
java.util.Comparator
关于java - 使用部分单词匹配而不是余弦相似度来搜索java中2个字符串的相似度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59250470/
如何使用 SPListCollection.Add(String, String, String, String, Int32, String, SPListTemplate.QuickLaunchO
我刚刚开始使用 C++ 并且对 C# 有一些经验,所以我有一些一般的编程经验。然而,似乎我马上就被击落了。我试过在谷歌上寻找,以免浪费任何人的时间,但没有结果。 int main(int argc,
这个问题已经有答案了: In Java 8 how do I transform a Map to another Map using a lambda? (8 个回答) Convert a Map>
我正在使用 node + typescript 和集成的 swagger 进行 API 调用。我 Swagger 提出以下要求 http://localhost:3033/employees/sear
我是 C++ 容器模板的新手。我收集了一些记录。每条记录都有一个唯一的名称,以及一个字段/值对列表。将按名称访问记录。字段/值对的顺序很重要。因此我设计如下: typedef string
我需要这两种方法,但j2me没有,我找到了一个replaceall();但这是 replaceall(string,string,string); 第二个方法是SringBuffer但在j2me中它没
If string is an alias of String in the .net framework为什么会发生这种情况,我应该如何解释它: type JustAString = string
我有两个列表(或字符串):一个大,另一个小。 我想检查较大的(A)是否包含小的(B)。 我的期望如下: 案例 1. B 是 A 的子集 A = [1,2,3] B = [1,2] contains(A
我有一个似乎无法解决的小问题。 这里...我有一个像这样创建的输入... var input = $(''); 如果我这样做......一切都很好 $(this).append(input); 如果我
我有以下代码片段 string[] lines = objects.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.No
这可能真的很简单,但我已经坚持了一段时间了。 我正在尝试输出一个字符串,然后输出一个带有两位小数的 double ,后跟另一个字符串,这是我的代码。 System.out.printf("成本:%.2
以下是 Cloud Firestore 列表查询中的示例之一 citiesRef.where("state", ">=", "CA").where("state", "= 字符串,我们在Stack O
我正在尝试检查一个字符串是否包含在另一个字符串中。后面的代码非常简单。我怎样才能在 jquery 中做到这一点? function deleteRow(locName, locID) { if
这个问题在这里已经有了答案: How to implement big int in C++ (14 个答案) 关闭 9 年前。 我有 2 个字符串,都只包含数字。这些数字大于 uint64_t 的
我有一个带有自定义转换器的 Dozer 映射: com.xyz.Customer com.xyz.CustomerDAO customerName
这个问题在这里已经有了答案: How do I compare strings in Java? (23 个回答) 关闭 6 年前。 我想了解字符串池的工作原理以及一个字符串等于另一个字符串的规则是
我已阅读 this问题和其他一些问题。但它们与我的问题有些无关 对于 UILabel 如果你不指定 ? 或 ! 你会得到这样的错误: @IBOutlet property has non-option
这两种方法中哪一种在理论上更快,为什么? (指向字符串的指针必须是常量。) destination[count] 和 *destination++ 之间的确切区别是什么? destination[co
This question already has answers here: Closed 11 years ago. Possible Duplicates: Is String.Format a
我有一个Stream一个文件的,现在我想将相同的单词组合成 Map这很重要,这个词在 Stream 中出现的频率. 我知道我必须使用 collect(Collectors.groupingBy(..)
我是一名优秀的程序员,十分优秀!