[发明专利]相同字符串的判定方法及装置

权利要求书

1.一种相同字符串的判定方法，其特征在于，该方法包括：

计算第一字符串与第二字符串的编辑距离；

基于所述编辑距离对所述第一字符串和所述第二字符串的长度进行适配，以减少第一字符串和第二字符串的长度差异，并基于适配后的所述第一字符串以及所述第二字符串的长度中的最小值与最大值之间的比值计算相似度；

基于所述相似度判定所述第一字符串与所述第二字符串是否相同。

2.根据权利要求1所述的方法，其特征在于，所述计算第一字符串与第二字符串的编辑距离包括：

针对所述第一字符串以及所述第二字符串进行unicode编码；

计算unicode编码后的所述第一字符串与所述第二字符串的编辑距离。

3.根据权利要求1所述的方法，其特征在于，所述基于所述编辑距离对所述第一字符串和所述第二字符串的长度进行适配包括：

计算所述第一字符串与所述第二字符串的长度中的最大值和最小值；

将所述最大值减去所述编辑距离，或者将所述最小值加上所述编辑距离，以对所述第一字符串和所述第二字符串的长度进行适配。

4.根据权利要求3所述的方法，其特征在于，所述计算长度进行适配后的所述第一字符串与所述第二字符串的相似度包括：

计算减去所述编辑距离后的所述最大值与所述最小值的比值，基于该比值表征所述第一字符串与所述第二字符串的相似度；或者

计算所述最大值与加上所述编辑距离后的所述最小值的比值，基于该比值表征所述第一字符串与所述第二字符串的相似度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述编辑距离对所述第一字符串和所述第二字符串的长度进行适配，并基于适配后的所述第一字符串以及所述第二字符串的长度计算相似度包括：

基于预设的相似度计算公式计算所述第一字符串与所述第二字符串的相似度；

所述相似度计算公式包括：

或

其中，x表示第一字符串，|x|表示第一字符串的长度；y表示第二字符串，|y|表示第二字符串的长度；max(|x|,|y|)表示第一字符串与第二字符串的长度中的最大值；min(|x|,|y|)表示第一字符串与第二字符串的长度中的最小值；ds表示第一字符串与第二字符串的编辑距离；C表示修正参数，为大于或者等于0的常数。

6.根据权利要求1所述的方法，其特征在于，所述基于所述相似度判定所述第一字符串与所述第二字符串是否相同包括：

判断计算出的所述相似度是否达到预设的阈值；

当计算出的所述相似度达到预设的阈值时，判定所述第一字符串与所述第二字符串相同；

当计算出的所述相似度未达到预设的阈值时，判定所述第一字符串与所述第二字符串不相同。

7.一种相同字符串的判定装置，其特征在于，该装置包括：

第一计算模块，用于计算第一字符串与第二字符串的编辑距离；第二计算模块，用于基于所述编辑距离对所述第一字符串和所述第二字符串的长度进行适配，以减少第一字符串和第二字符串的长度差异，并基于适配后的所述第一字符串以及所述第二字符串的长度中的最小值与最大值之间的比值计算相似度；

判定模块，用于基于所述相似度判定所述第一字符串与所述第二字符串是否相同。

8.根据权利要求7所述的装置，其特征在于，所述第一计算模块具体用于：

针对所述第一字符串以及所述第二字符串进行unicode编码；

计算unicode编码后的所述第一字符串与所述第二字符串的编辑距离。

9.根据权利要求7所述的装置，其特征在于，所述第二计算模块具体用于：

计算所述第一字符串与所述第二字符串的长度中的最大值和最小值；

将所述最大值减去所述编辑距离，或者将所述最小值加上所述编辑距离，以对所述第一字符串和所述第二字符串的长度进行适配。