Sorting Chuỗi dựa trên sự tương

Question

xem xét các Strings sau:

• ông llo
• tạm biệt
• chào
• = (tạm biệt)
• (anh) (llo)
• tạm biệt
• helium

Tôi đang cố gắng để sắp xếp chúng trong một cách mà các từ tương tự đến với nhau, tôi biết

1. alphanumerical sorting không phải là một lựa chọn
2. loại bỏ ký tự đặc biệt ",-_ and etc sau đó so sánh chắc chắn là hữu ích nhưng kết quả sẽ không tốt như tôi mong đợi.

LƯU Ý:

có thể có được vài ouput mong muốn khác nhau cho điều này, một trong số đó là:

MONG MUỐN OUTPUT:

1. chào
2. ông llo
3. (ông) (llo)
4. heli
5. tạm biệt
6. tạm biệt
7. = (tạm biệt)

vì vậy câu hỏi của tôi là nếu có một gói java so sánh chuỗi và cuối cùng là sắp xếp chúng dựa trên đó.

Tôi đã nghe nói về các điều khoản như n-gram và skip-gram nhưng không hoàn toàn hiểu chúng. Tôi thậm chí không chắc chắn nếu họ có thể hữu ích cho tôi cả.

CẬP NHẬT: tìm điểm tương đồng chắc chắn là một phần của câu hỏi của tôi nhưng vấn đề chính là phần sắp xếp.

Answer 1

Dưới đây là một cách tiếp cận có thể có.

Tính edit distance/Levenshtein distance giữa mỗi cặp dây và sau đó bạn sử dụng xem chuỗi dưới dạng biểu đồ hoàn chỉnh trong đó trọng số cạnh đến từ khoảng cách chỉnh sửa. Chọn một ngưỡng cho những trọng số đó và loại bỏ tất cả các trọng số lên cao. Sau đó, tìm cliques trong biểu đồ này. Nếu ngưỡng của bạn khá thấp, thậm chí việc tìm kiếm các thành phần được kết nối sẽ là một lựa chọn.

Lưu ý: Có lẽ sẽ tốt hơn nếu thay thế khoảng cách chỉnh sửa bằng một trong các biện pháp tương tự trong liên kết mà @dognose được đăng. Ngoài ra, lưu ý rằng việc tìm kiếm các từ khóa sẽ rất chậm nếu bạn có một số lượng lớn các chuỗi