| Autor | Zpráva | ||
|---|---|---|---|
| DarkMeni Profil |
#1 · Zasláno: 12. 4. 2012, 18:43:10
Zdravím, nevíte náhodou někdo, jak by měl vypadat algorytmus na vyhledávání podle vstupu od uživatele v dlouhých řetězcích na nalezení výsledku (řetězce), který by měl minimálně 40% shody a nějak vypočítat, kolik % shody tam je aby se to potom dalo nějak seřadit?
Například: Když mám třeba: $řetězce = array( 'abcd efgah ijk lmno', 'cdef lmnopq rstuv', 'slovo slovo2', 'slovó', 'další slovo, třeba slovo3', //... 'dlouhý řetězec...' ); Když zadám "slovó", aby to našlo a seřadilo [3] [2] [4] Když zadám "slovo2" aby to našlo a seřadilo jako [2] [4] [3] (tu 2 u slovo"2" by vzal jako překlep, protože je to hodně podobný, ale co se víc podobá by mělo větší pripritu) A když tam dám "acbd" tak zase [0] i přes ten překlep (podobnost mi připadá větší než 40%) Jestli jsem dobře popsal, co chci, je nějaká už zabudovaná funkce v php na porovnání 2 řetězců a rozpoznání, jak moc si jsou podobný? Nebo napadá někoho nějakej algorytmus na toto? Google to nějak umí, i přes tolik dat co má, porovnávat docela rychle, takže buď má efektivní algorytmus nebo na to má jinej jazyk, kterej to s řetězci umí. |
||
| Alphard Profil |
#2 · Zasláno: 12. 4. 2012, 18:48:04
PHP má soundex() ten ale pro dlouhé stringy moc nepomůže.
A ve slově algoritmus píšeme i. |
||
| DarkMeni Profil |
#3 · Zasláno: 12. 4. 2012, 19:02:41
Díky, zkusim, co to umí. Prej vrací první písmeno a čísla (ale co znamenaj?), slovo soundex (jestli s tím maj něco společnýho) mi nic neříká.
A jo jasně :D, nějak sem si to spojoval s rytmem, dám si na to bacha, díky. |
||
| Chamurappi Profil |
Reaguji na DarkMeniho:
„Nebo napadá někoho nějakej algorytmus na toto? Google to nějak umí, i přes tolik dat co má, porovnávat docela rychle“ Google to má vymyšlené tak, že sleduje sekvenci toho, co lidi hledají a z ní se učí. Pokud třeba hodně lidí hledalo „algorytmus“ a pak se opravilo na „algoritmus“, usoudí z toho, že „algorytmus“ je pravděpodobně špatně zapsaným algoritmem. Díky tomu dokáže správně pochopit i hodně divné věci, jako je třeba „w525*ed5e“, což je „wikipedie“ napsaná na notebookové klávesnici se zapnutým numlockem. Potíž je, že takto stavěná funkce potřebuje k rozumnému fungování opravdu značné množství uživatelů. Jinak konstrukčně to bude nejspíš heštabulka (asociativní pole), tam asi nejde vymyslet nic světobornějšího. |
||
| DarkMeni Profil |
#5 · Zasláno: 12. 4. 2012, 19:16:34
Aha, tak takle to google dělá, díky.
|
||
| peta Profil |
#6 · Zasláno: 13. 4. 2012, 14:37:12
1. slovo2 // presna shoda
2. slovo? || slov?2 || slo?o2 || sl?vo2 || s?ovo2 || ?lovo2 // 1 znak 3. slov?? || slo??2 || sl??o2 || s??vo2 || ??ovo2 + dalsi kombinace (?slov?) // 2 znaky Ale, jak se to pise do mysql nebo php, to bych musel chvili vymyslet. |
||
| SeparateSK Profil |
Ja by som to riešil pomocou similar_text(); a hladania toho najpodobnejšieho textu v poli
Tento urobí to,že ak zadáš napr "devať", tak to poopraví na "deväť". $pole=array("deväť","žíhľava","pŕhľava");
function zisti_podobne($vstup,$pole,$minPodobnost){
$vstup=strtoupper($vstup);
$nahrad=Array("Á","Ä","Č","Ď","É","Í","Ĺ","Ľ","Ň","Ó","Ô","Ŕ","Ř","Š","Ť","Ú","Ů","Ý","Ž");
$scim=Array("A","A","C","D","E","I","L","L","N","O","O","R","R","S","T","U","U","Y","Z");
$vstup=str_replace($nahrad,$scim,$vstup);
$vstup=strtolower($vstup);
$novePole=array();
$percent=0;
$text=0;
$max=0;
for($i=0;$i<count($pole);$i++){
$novePole[]=strtolower(str_replace($nahrad,$scim,strtoupper($pole[$i])));
similar_text($vstup,$novePole[$i],$percent);
if($percent>$minPodobnost){
if($percent>$max){
$max=$percent;
$text=$i;
}
}
}
if($max>0)return $pole[$text];
else return false;
}
echo "Mali ste namysli: ".zisti_podobne("zih?ava",$pole,60)."?"; |
||
| DarkMeni Profil |
Jasně, tu se sice odstraňuje diakritika, takže by pak "plast" a "plášť" měly stejnou prioritu i kdyby si někdo dal tu práci a napsal slovo "plášť" s diakritikou, a naopak to samí. Ale tenhle kód vypadá dobře, zkusim ho, díky. Jen nebudu porovnávat slovo se slovem, ale jedno až víc slov s docela dlouhými řetězci, tak snad je na tom similar_text s rychlostí docela dobře.
|
||
|
Časová prodleva: 12 let
|
|||
0