相似度计算方法

一、编辑距离

字符串的编辑距离，又称为Levenshtein距离，由俄罗斯的数学家Vladimir Levenshtein在1965年提出。是指利用字符操作，把字符串A转换成字符串B所需要的最少操作数。其中，字符操作包括：

• 删除一个字符 a) Insert a character
• 插入一个字符 b) Delete a character
• 修改一个字符 c) Replace a character

# https://github.com/doukremt/distance
# pip install distance -i  https://pypi.douban.com/simple

import distance
distance.levenshtein("lenvestein", "levenshtein")

二、汉明距离

汉明距离是使用在数据传输差错控制编码里面的，汉明距离是一个概念，它表示两个（相同长度）字对应位不同的数量，我们以d（x,y）表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离

汉明距离是编辑距离中的一个特殊情况，仅用来计算两个等长字符串中不一致的字符个数。因此汉明距离不用考虑添加及删除，只需要对比不同即可。

distance.hamming("hamming", "hamning")

三、杰卡德相似系数

杰卡德系数，英文叫做 Jaccard index, 又称为 Jaccard 相似系数，用于比较有限样本集之间的相似性与差异性。Jaccard 系数值越大，样本相似度越高。实际上它的计算方式非常简单，就是两个样本的交集除以并集得到的数值，当两个样本完全一致时，结果为 1，当两个样本完全不同时，结果为 0

distance.jaccard("decide", "resize")