求教字符串相似度的算法

[thinkercui]

两个字符串的相似度，有很多定义方式。
有人认为，公共串越长，越相似；
有人认为，编辑距离越短，越相似。

本人认为应该以编辑距离为相似度度量标准。
但是，当求两个字符串的相似度时，传统的编辑距离算法时间和空间复杂度都比较高。
请教各位高手，有什么办法能够比较快速的求出两个串之间的编辑距离么。。？

[手软脚软]

从算法角度提升两个串之间的编辑距离会比较有挑战。 当需要比较的字符串非常多，比如上亿的规模，楼主可以考虑下并行计算方案， 将这些字符串放到多台机器上计算，速度会快很多，开源hadoop是个不错的选择。 楼主可以查下资料。

[thinkercui]

@zhuce1986 嗯，还是很感谢，但是，并行计算不能说明算法效率高。。。

[Ericz]

楼主，把你的方法发出来看看。

[sanweixianshi]

有没有经典文献？

[thinkercui]

@zhou19891113 楼主也没什么想法啦。 第一种，就是采用传统的编辑距离算法，这种方法到网上一搜“编辑距离”，到处都是； 第二种，是改进的编辑距离算法，本方法是以传统的编辑距离算法为基础，采用限定区域的方法（也就是取对角线周围部分）来算一个估计编辑距离（因为限定了可以连续插入或者删除的可能性，所以只能算是局部最优）； 第三种，在第二种基础上进行修改，首先限定一个区域，计算一个估计编辑距离，然后根据估计编辑距离来动态扩展选取范围，这种方法实际效果不很理想； 第四种，采用哈希表的方法，本方法设定一个编辑距离估计值H，也就是说，两个串间的编辑距离<=H。这样，可以将两个串分成H+1份，用着H+1份建哈希表，至少有一份是一定能粘到一起去（没有任何编辑错误），剩下的部分再采用传统编辑距离算法进行计算，本算法适合短距离测定。 楼主也尝试过其他方法，但是都没能有好的结果。。

[thinkercui]

@sanweixianshi 楼主涉水未深，不敢说什么样的文献是经典的。。

[sanweixianshi]

好吧，这个问题还是比较感兴趣的