文本相似度算法----动态规划求子串

public class Computeclass {
/*
* 计算相似度
* */
public static double SimilarDegree(String strA, String strB){
String newStrA = removeSign(strA);
String newStrB = removeSign(strB);
//用较大的字符串长度作为分母，相似子串作为分子计算出字串相似度
int temp = Math.max(newStrA.length(), newStrB.length());
int temp2 = longestCommonSubstring(newStrA, newStrB).length();
return temp2 * 1.0 / temp;
}

/*
* 将字符串的所有数据依次写成一行
* */
public static String removeSign(String str) {
StringBuffer sb = new StringBuffer();
//遍历字符串str,如果是汉字数字或字母，则追加到ab上面
for (char item : str.toCharArray())
if (charReg(item)){
sb.append(item);
}
return sb.toString();
}

/*
* 判断字符是否为汉字，数字和字母，
* 因为对符号进行相似度比较没有实际意义，故符号不加入考虑范围。
* */
public static boolean charReg(char charValue) {
return (charValue >= 0x4E00 && charValue <= 0X9FA5) || (charValue >= 'a' && charValue <= 'z')
|| (charValue >= 'A' && charValue <= 'Z')  || (charValue >= '0' && charValue <= '9');
}

/*
* 求公共子串，采用动态规划算法。
* 其不要求所求得的字符在所给的字符串中是连续的。
*
* */
public static String longestCommonSubstring(String strA, String strB) {
char[] chars_strA = strA.toCharArray();
char[] chars_strB = strB.toCharArray();
int m = chars_strA.length;
int n = chars_strB.length;

/*
* 初始化矩阵数据,matrix[0][0]的值为0，
* 如果字符数组chars_strA和chars_strB的对应位相同，则matrix[i][j]的值为左上角的值加1，
* 否则，matrix[i][j]的值等于左上方最近两个位置的较大值，
* 矩阵中其余各点的值为0.
*/
int[][] matrix = new int[m + 1][n + 1];
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
if (chars_strA[i - 1] == chars_strB[j - 1])
matrix[i][j] = matrix[i - 1][j - 1] + 1;
else
matrix[i][j] = Math.max(matrix[i][j - 1], matrix[i - 1][j]);
}
}
/*
* 矩阵中，如果matrix[m]
的值不等于matrix[m-1]
的值也不等于matrix[m][n-1]的值，
* 则matrix[m]
对应的字符为相似字符元，并将其存入result数组中。
*
*/
char[] result = new char[matrix[m]
];
int currentIndex = result.length - 1;
while (matrix[m]
!= 0) {
if (matrix
== matrix[n - 1]) n--;
else if (matrix[m]
== matrix[m - 1]
) m--;
else {
result[currentIndex] = chars_strA[m - 1];
currentIndex--;
n--;
m--;
}
}
return new String(result);
}

/*
* 结果转换成百分比形式
* */
public static String similarityResult(double resule){
return  NumberFormat.getPercentInstance(new Locale( "en ", "US ")).format(resule);
}

public static void main(String[] args){
double result = SimilarDegree("我喜欢看电影你呢 爱我自己我是爱自己 偏爱","我不喜欢看电影 我爱我自己我");
System.out.println(result);
}
}