Levenshtein成本设置

Question

当部分预期数据丢失时，我被要求猜测用户的意图。例如，如果我希望获得very well或not very well，但只获得not，则应该将其标记为not very well。

not和very well的Levenshtein距离为9，not和not very well的距离为10。我想我实际上是想用扳手来驱动螺丝钉，但是我们已经在我们的团队中同意在这个案子中使用Levenshtein。

正如您在上面看到的，如果我能通过更改插入、替换和删除成本来理解问题，是否有什么意义呢？

我不是在找这个特别的例子的黑客。我想要的东西，一般的工作，如预期和输出一个更好的结果，在这些情况下也。

Answer 1

、not和 well的Levenshtein距离实际上是12。

------not
very well

因此有6个插入，总成本为6(每次插入成本为1)，以及总成本为6(每次替换成本为2)的3个替换。总费用是12英镑。

、not和not well的Levenshtein距离为10。对齐方式为：

not----------
not very well

这仅包括10次插入。所以你可以选择不是很好的作为最好的匹配。

对于python，可以用htql计算成本和对齐：

import htql
a=htql.Align()
a.align('not', 'very well')
# (12.0, ['------not', 'very well'])
a.align('not', 'not very well')
# (10.0, ['not----------', 'not very well'])