php文章相似度计算similar_text()函数升级
发布:smiling 来源: PHP粉丝网 添加日期:2014-07-19 14:11:47 浏览: 评论:0
有时我们希望调用相关文章时肯定调用相似度高的我先是使用了php的similar_text()函数,但是测试两个相同的标题得出结果只有40%左右啊,下面看实例.
php默认有个函数similar_text()用于计算字符串之间的相似度,该函数也可以计算两个字符串的相似度(以百分比计),不过这个函数感觉对中文计算很不准确比如:
echo similar_text("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");
这两个新闻标题其实都是一样的,如果使用similar_text()相似对结果为:42,即只相似42%,所以这个感觉很不靠谱,今天刚好收集到一段PHP代码也是用于比较两个字符串的相似度,直接贴出代码:
- <?php
- class LCS {
- var $str1;
- var $str2;
- var $c = array();
- /*返回串一和串二的最长公共子序列
- */
- function getLCS($str1, $str2, $len1 = 0, $len2 = 0) {
- $this->str1 = $str1;
- $this->str2 = $str2;
- if ($len1 == 0) $len1 = strlen($str1);
- if ($len2 == 0) $len2 = strlen($str2);
- $this->initC($len1, $len2);
- return $this->printLCS($this->c, $len1 - 1, $len2 - 1);
- }
- /*返回两个串的相似度
- */
- function getSimilar($str1, $str2) {
- $len1 = strlen($str1);
- $len2 = strlen($str2);
- $len = strlen($this->getLCS($str1, $str2, $len1, $len2));
- return $len * 2 / ($len1 + $len2);
- }
- function initC($len1, $len2) {
- for ($i = 0; $i < $len1; $i++) $this->c[$i][0] = 0;
- for ($j = 0; $j < $len2; $j++) $this->c[0][$j] = 0;
- for ($i = 1; $i < $len1; $i++) {
- for ($j = 1; $j < $len2; $j++) {
- if ($this->str1[$i] == $this->str2[$j]) {
- $this->c[$i][$j] = $this->c[$i - 1][$j - 1] + 1;
- } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {
- $this->c[$i][$j] = $this->c[$i - 1][$j];
- } else {
- $this->c[$i][$j] = $this->c[$i][$j - 1];
- }
- }
- }
- }
- function printLCS($c, $i, $j) {
- if ($i == 0 || $j == 0) {
- if ($this->str1[$i] == $this->str2[$j]) return $this->str2[$j];
- else return "";
- }
- if ($this->str1[$i] == $this->str2[$j]) {
- return $this->printLCS($this->c, $i - 1, $j - 1).$this->str2[$j];
- } else if ($this->c[$i - 1][$j] >= $this->c[$i][$j - 1]) {
- return $this->printLCS($this->c, $i - 1, $j);
- } else {
- return $this->printLCS($this->c, $i, $j - 1);
- }
- }
- }
- $lcs = new LCS();
- //返回最长公共子序列
- $lcs->getLCS("hello word","hello china");
- //返回相似度
- echo $lcs->getSimilar("吉林禽业公司火灾已致112人遇难","吉林宝源丰禽业公司火灾已致112人遇难");
同样输出结果为:0.90322580645161,明显准确的多,还有一种办法就是利用分词系统我们把标题分词,然后再进行会更准确一些.
Tags: php文章相似度 similar_text函数
推荐文章
热门文章
最新评论文章
- 写给考虑创业的年轻程序员(10)
- PHP新手上路(一)(7)
- 惹恼程序员的十件事(5)
- PHP邮件发送例子,已测试成功(5)
- 致初学者:PHP比ASP优秀的七个理由(4)
- PHP会被淘汰吗?(4)
- PHP新手上路(四)(4)
- 如何去学习PHP?(2)
- 简单入门级php分页代码(2)
- php中邮箱email 电话等格式的验证(2)