Textvergleichsalgorithmus

Wir haben eine Anforderung im Projekt, die wir haben, zu vergleichen die beiden Texte ( update1, update2) und kommen mit einem Algorithmus, der definiert, wie viele Wörter und wie viele Sätze haben sich geändert.

Gibt es algorithmen, die ich verwenden kann? Ich bin auch nicht auf der Suche für code. Wenn ich weiß, dass der Algorithmus, kann ich code in java. Danke.

InformationsquelleAutor der Frage java_mouse | 2012-01-30

  1. 15

    In der Regel wird dies erreicht, indem der Längste Gemeinsame Teilfolge (Häufig genannt das LCS-problem). Dies ist, wie tools wie diff Arbeit. Natürlich diff ist eine zeilenorientierte tool, und es klingt wie Ihre Bedürfnisse sind etwas anders. Aber ich nehme an, Sie haben bereits errichteten einige Weise zu vergleichen, Wörter und Sätze.

    InformationsquelleAutor der Antwort FatalError

  2. 11

    O(NP) Sequenz-Vergleichs-Algorithmus wird von der subversion-diff-Algorithmus.

    Ihrer information, es gibt Implementierungen mit verschiedenen Programmiersprachen von mir in der folgenden Seite von github.

    https://github.com/cubicdaiya/onp

    InformationsquelleAutor der Antwort cubicdaiya

  3. 8

    Irgendeine Art von diff-Variante könnte hilfreich sein, z.B. wdiff

    Wenn Sie sich entscheiden, entwickeln Sie Ihren eigenen Algorithmus, Sie gehen zu müssen, um die situation, wo ein Satz wurde eingefügt. Zum Beispiel für die folgenden zwei Dokumente:

    The men are bad. I hate the men

    und

    The men are bad. John likes the men. I hate the men

    Ihr Werkzeug sollte in der Lage sein nach vorne zu schauen, um zu erkennen, dass in der zweiten I hate the men wurde nicht ersetzt durch John likes the men sondern ist unberührt, und ein neuer Satz eingefügt, bevor Sie es. d.h. es sollte Bericht die Einfügung eines Satzes, nicht die änderung von vier Worten, gefolgt von einem neuen Satz.

    InformationsquelleAutor der Antwort Howard

  4. 5

    Den spezifischen Algorithmus verwendet, um diff und die meisten anderen Vergleich utilities ist Eugene Myer ' s Eine O(ND) - Differenz-Algorithmus und Seine Varianten. Es gibt eine Java-Implementierung der in der java-diff-utils Paket.

    InformationsquelleAutor der Antwort Zoë Peterson

  5. 4

    Hier sind zwei Papiere, die beschreiben, andere text-Vergleich algorithmen, die sollte in der Regel Ausgabe 'besser' (z.B. kleinere, mehr aussagekräftige) Unterschiede:

    Das erste Papier zitiert die zweite und erwähnt diese über den Algorithmus:

    Heckel[3] hingewiesen, die ähnliche Probleme mit LCS Techniken und schlug eine
    linear-Kalk-Algorithmus zum erkennen von block bewegt. Führt der Algorithmus ausreichend
    wenn es wenige doppelte Symbole in die Saiten. Allerdings ist der Algorithmus gibt
    schlechte Ergebnisse anders. Zum Beispiel, angesichts der zwei strings aabb und bbaa,
    Heckel-Algorithmus schlägt fehl, zu entdecken common substring.

    Das erste Papier erwähnt wurde, in diese Antwort und die zweite in diese Antwortdie sich sowohl auf die ähnliche Frage ALSO:

    InformationsquelleAutor der Antwort Kenny Evitt

  6. 1

    Die Schwierigkeit kommt beim Vergleich von großen Dateien effizient und mit guter performance. Ich bin daher implementiert eine variation von Myers O(ND) diff-Algorithmus führt, die durchaus gut und richtig sind (und unterstützt die Filterung basierend auf regulären Ausdruck):

    Algorithmus getestet werden kann hier: becke.ch vergleichen-tool, web-Anwendung

    Und ein wenig mehr Informationen auf der Homepage: becke.ch vergleichen Werkzeug

    InformationsquelleAutor der Antwort becke.ch

Schreibe einen Kommentar