编辑距离算法全解析：优化文本处理的关键技术

本文主要是介绍编辑距离算法全解析：优化文本处理的关键技术，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
LeetCode解锁1000题: 打怪升级之旅
python数据分析可视化：企业实战案例
python源码解读
备注说明：方便大家阅读，统一使用python，带必要注释，公众号 数据分析螺丝钉 一起打怪升级

这是力扣72题：编辑距离

题目描述

给定两个单词 word1 和 word2，计算出将 word1 转换成 word2 所使用的最少操作数。

你可以对一个单词进行如下三种操作：

1. 插入一个字符
2. 删除一个字符
3. 替换一个字符

输入格式

• word1：一个字符串。
• word2：一个字符串。

输出格式

• 返回将 word1 转换成 word2 的最小操作数。

示例

示例 1

输入: word1 = "horse", word2 = "ros"
输出: 3
解释: 
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')

示例 2

输入: word1 = "intention", word2 = "execution"
输出: 5
解释: 
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')

---

方法一：动态规划

解题步骤

1. 定义状态数组：dp[i][j] 表示 word1 的前 i 个字母转换成 word2 的前 j 个字母所使用的最少操作。
2. 初始化边界：初始化 dp 数组的第一行和第一列，分别表示空字符串到任意长度字符串的转换。
3. 状态转移方程：
   • 如果 word1[i-1] == word2[j-1]，则 dp[i][j] = dp[i-1][j-1]；
   • 否则，取插入、删除、替换操作的最小值加一，即 dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1。
4. 计算最终结果：返回 dp[m][n]。

完整的规范代码

def minDistance(word1, word2):"""使用动态规划解决编辑距离问题:param word1: str, 第一个单词:param word2: str, 第二个单词:return: int, 最少操作数"""m, n = len(word1), len(word2)dp = [[0] * (n + 1) for _ in range(m + 1)]for i in range(1, m + 1):dp[i][0] = ifor j in range(1, n + 1):dp[0][j] = jfor i in range(1, m + 1):for j in range(1, n + 1):if word1[i - 1] == word2[j - 1]:dp[i][j] = dp[i - 1][j - 1]else:dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1return dp[m][n]# 示例调用
print(minDistance("horse", "ros"))  # 输出: 3
print(minDistance("intention", "execution"))  # 输出: 5

算法分析

• 时间复杂度：(O(m * n))，其中 m 和 n 分别是两个字符串的长度。
• 空间复杂度：(O(m * n))，用于存储 dp 表。

方法二：空间优化的动态规划

解题步骤

1. 使用滚动数组：使用两行（当前行和前一行）或一行（滚动更新）来减少空间复杂度。
2. 状态转移：更新 dp 数组时，只依赖于当前行的前一个元素和上一行的元素，因此可以用一维数组滚动更新。

完整的规范代码

def minDistance(word1, word2):"""使用空间优化的动态规划解决编辑距离问题:param word1: str, 第一个单词:param word2: str, 第二个单词:return: int, 最少操作数"""if len(word1) < len(word2):word1, word2 = word2, word1m, n = len(word1), len(word2)previous, current = list(range(n + 1)), [0] * (n + 1)for i in range(1, m + 1):current[0] = ifor j in range(1, n + 1):if word1[i - 1] == word2[j - 1]:current[j] = previous[j - 1]else:current[j] = min(previous[j - 1], previous[j], current[j - 1]) + 1previous, current = current, previousreturn previous[n]# 示例调用
print(minDistance("horse", "ros"))  # 输出: 3
print(minDistance("intention", "execution"))  # 输出: 5

算法分析

• 时间复杂度：(O(m * n))，与完整的动态规划相同。
• 空间复杂度：(O(min(m, n)))，只使用两个长度为 n + 1 的数组。

方法三：递归加记忆化

解题步骤

1. 定义递归函数：定义一个递归函数来计算 word1[0...i] 和 word2[0...j] 的编辑距离。
2. 记忆化存储：使用一个二维数组来存储已计算的结果，避免重复计算。
3. 递归计算：基于给定的操作计算最小编辑距离。

完整的规范代码

def minDistance(word1, word2):"""使用递归加记忆化解决编辑距离问题:param word1: str, 第一个单词:param word2: str, 第二个单词:return: int, 最少操作数"""memo = {}def dp(i, j):if (i, j) in memo:return memo[(i, j)]if i == 0: return jif j == 0: return iif word1[i - 1] == word2[j - 1]:ans = dp(i - 1, j - 1)else:ans = min(dp(i - 1, j), dp(i, j - 1), dp(i - 1, j - 1)) + 1memo[(i, j)] = ansreturn ansreturn dp(len(word1), len(word2))# 示例调用
print(minDistance("horse", "ros"))  # 输出: 3
print(minDistance("intention", "execution"))  # 输出: 5

算法分析

• 时间复杂度：(O(m * n))，递归处理每对索引一次。
• 空间复杂度：(O(m * n))，用于存储递归调用栈和记忆化结果。

方法四：迭代加记忆化

解题步骤

1. 初始化：建立一个二维数组用于记忆化存储。
2. 基本情况填充：填充数组的基本情况（一个字符串为空的情况）。
3. 迭代计算：使用之前填充的结果迭代计算整个 dp 表。

完整的规范代码

def minDistance(word1, word2):"""使用迭代加记忆化解决编辑距离问题:param word1: str, 第一个单词:param word2: str, 第二个单词:return: int, 最少操作数"""m, n = len(word1), len(word2)dp = [[0] * (n + 1) for _ in range(m + 1)]for i in range(m + 1):dp[i][0] = ifor j in range(n + 1):dp[0][j] = jfor i in range(1, m + 1):for j in range(1, n + 1):if word1[i - 1] == word2[j - 1]:dp[i][j] = dp[i - 1][j - 1]else:dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1return dp[m][n]# 示例调用
print(minDistance("horse", "ros"))  # 输出: 3
print(minDistance("intention", "execution"))  # 输出: 5

方法五：基于编辑操作的动态规划

解题步骤

1. 分析编辑操作：将编辑操作细分为插入、删除、替换，并为每种操作定义独立的逻辑。
2. 逐步构建解决方案：基于以上操作，构建一个解决方案，逐步填充 dp 表。

完整的规范代码

def minDistance(word1, word2):"""基于编辑操作的动态规划解决编辑距离问题:param word1: str, 第一个单词:param word2: str, 第二个单词:return: int, 最少操作数"""m, n = len(word1), len(word2)dp = [[0] * (n + 1) for _ in range(m + 1)]for i in range(m + 1):dp[i][0] = ifor j in range(n + 1):dp[0][j] = jfor i in range(1, m + 1):for j in range(1, n + 1):if word1[i - 1] == word2[j - 1]:dp[i][j] = dp[i - 1][j - 1]else:insert_op = dp[i][j - 1]delete_op = dp[i - 1][j]replace_op = dp[i - 1][j - 1]dp[i][j] = min(insert_op, delete_op, replace_op) + 1return dp[m][n]# 示例调用
print(minDistance("horse", "ros"))  # 输出: 3
print(minDistance("intention", "execution"))  # 输出: 5

不同算法的优劣势对比

特征	方法一：动态规划	方法二：空间优化DP	方法三：递归加记忆化	方法四：迭代加记忆化	方法五：基于编辑操作DP
时间复杂度	(O(m * n))	(O(m * n))	(O(m * n))	(O(m * n))	(O(m * n))
空间复杂度	(O(m * n))	(O(min(m, n)))	(O(m * n))	(O(m * n))	(O(m * n))
优势	易于理解和实现	空间复杂度较低	避免重复计算，提高效率	适合大规模数据处理	直观反映不同编辑操作
劣势	空间占用大	代码稍复杂	空间占用大	空间占用大	实现较为复杂

应用示例

自然语言处理：在自然语言处理领域，编辑距离用来衡量两个词语之间的相似度，常用于拼写检查、语音识别系统等领域。

数据库记录匹配：在数据清洗过程中，编辑距离可以帮助识别和合并重复的记录，例如在客户数据库中识别重复的客户名称。

生物信息学：在生物信息学中，编辑距离用于比较基因序列的相似性，对于基因编辑和比较具有重要的应用价值。

这篇关于编辑距离算法全解析：优化文本处理的关键技术的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---