## 目标 * 用go实现字符串相似度lib * 处理中文准确度较高(目前很多老外写的库处理中文效果不佳) * 集成多种相似度算法(编辑距离,汉明编码，骰子系数) ## 莱文斯坦-编辑距离(Levenshtein) * https://zhuanlan.zhihu.com/p/91667128 * https://www.jianshu.com/p/a617d20162cf (以上两份参考资料都是创建矩阵，看完算法之后感悟，没有必要创建矩阵，只要缓存x坐标+对角线一个值就行，实现效果一样) * http://richardminerich.com/tag/damerau-levenshtein-distance/ (补充) ## Hamming * https://baike.baidu.com/item/%E6%B1%89%E6%98%8E%E8%B7%9D%E7%A6%BB/475174?fr=aladdin ## Dice's coefficient * https://blog.csdn.net/gjk0223/article/details/2314844 n个字符算集合一个元素，这点容易忽略，n是可以配置的，很多开源项目都忽略这点。原论文公式是 2 *(a 和b的交集) /(len(a) + len(b))，默认选择2，但是2对中文不太友好 ## Jaro * https://www.jianshu.com/p/a4af202cb702 (good) * https://blog.csdn.net/asty9000/article/details/81348857 ## TODO * Damerau-Levenshtein - distance & normalized * Jaro and Jaro-Winkler - this implementation of Jaro-Winkler does not limit the common prefix length ## 补充 https://help.highbond.com/helpdocs/analytics/13/scripting-guide/zh-cn/Content/lang_ref/functions/r_dicecoefficient.htm ## 参考API设计(取名) * https://github.com/hbakhtiyor/strsim ## 参考选用了哪些算法名字 * https://github.com/dguo/strsim-rs
目标
莱文斯坦-编辑距离(Levenshtein)
(以上两份参考资料都是创建矩阵，看完算法之后感悟，没有必要创建矩阵，只要缓存x坐标+对角线一个值就行，实现效果一样)
Hamming
Dice's coefficient
n个字符算集合一个元素，这点容易忽略，n是可以配置的，很多开源项目都忽略这点。原论文公式是 2 *(a 和b的交集) /(len(a) + len(b))，默认选择2，但是2对中文不太友好
Jaro
TODO
补充
https://help.highbond.com/helpdocs/analytics/13/scripting-guide/zh-cn/Content/lang_ref/functions/r_dicecoefficient.htm
参考API设计(取名)
参考选用了哪些算法名字