中文短句子相似度比较（PHP版本UTF8）

短命女 2022-06-18 05:11 120阅读 0赞

<?php
    #中文短句子相似度比较
    #参考文献 http://www.doc88.com/p-2055556399236.html
    header("Content-type: text/html; charset=utf-8"); 
    class ShortTextCompare{
    	#计算匹配文字$arr1[$i]的最小匹配偏移值
    	public static function PosOffset($arr1, $i, $arr2){
    		$len2 = count($arr2);
    		$arr2_reverse = array_reverse($arr2);
    		for($j = 0; $j < $len2; $j++){
    			$rev_num = abs($i-$j)-1;
    			$rev_data = isset($arr2_reverse[$rev_num]) ? $arr2_reverse[$rev_num] : '';
    			$notrev_data = isset($arr2[$i-$j]) ? $arr2[$i-$j] : '';
    			if($i+$j >= 0 && $arr1[$i] == ($i-$j >=0 ? $notrev_data : $rev_data)){
    				return $j;
    			}
    			if($i+$j < $len2 && $arr1[$i] == $arr2[$i+$j]){
    				return $j;
    			}
    		}
    		return $len2;
    	}
    	
    	#计算匹配文字$arr1[$i]对于整体相似度的贡献量
    	public static function CC($arr1, $i, $arr2){
    		$len2 = count($arr2);
    		$len2_float = sprintf("%.2f", $len2);
    		$temp = self::PosOffset($arr1, $i, $arr2);
    		$data = ($len2 - $temp) / $len2_float;
    		return $data;
    	}
    	
    	#计算短语$arr1相对于短语$arr2的相似度sc
    	public static function SC($arr1, $arr2){
    		$sc = 0.0;
    		$len1 = count($arr1);
    		for($i = 0; $i < $len1; $i++){
    			$sc += self::CC($arr1, $i, $arr2);
    		}
    		$sc /= $len1;
    		return $sc;
    	}
    	
    	#计算短语$arr1与短语$arr2之间的相似度
    	public static function S($arr1, $arr2){
    		$temp1 = self::SC($arr1, $arr2);
    		$temp2 = self::SC($arr2, $arr1);
    		return ($temp1 + $temp2)/2;
    	}
    	
    	#将字符串转换成数组存储
    	public static function CharToArr($str){
    		 return preg_split('/(?<!^)(?!$)/u', $str );
    	}
    }
    // $str1 = '大学化学实验';
    // $str2 = '大学物理实验';
    // $str1 = '大学生思想品德修养';
    // $str2 = '毛泽东思想概论';
    $str1 = '计算机专业英语';
    $str2 = '大学英语';
    // $str1 = '国中567';
    // $str2 = '中国1';
    $str_arr1 = ShortTextCompare::CharToArr($str1);
    $str_arr2 = ShortTextCompare::CharToArr($str2);
    $num = ShortTextCompare::S($str_arr1, $str_arr2);
    print $num;