文本相似度计算

#include "come.h" /* 1.长度为N的字串，a字符串的长度为n，b的字符串长度为m 2.N-gram相似度计算：交集子串个数/并集子串个数 3.a的N子串个数为 n+1-N,b的子串个数为m+1-N 4.设相交子串的个数为count； 5.相似度公式为 count/(m+n+2-2*N-count) */ float NG::ngram() { int i,j,k,temp=0; int count=0; result=0; int n = strlen(a); int m = strlen(b); if(m<N||n<N) { printf("\n\t ！！！字符串长度不符合N\n"); return 0; } int **astr=new int*[(n+1-N)*sizeof(int*)];//a字符串的所有字串 for(i=0;i<n+1-N;i++) { astr[i]=new int[N*sizeof(int)];//N gram中字串长度为N for(j=0;j<N;j++) { astr[i][j]=i+j; //将所有字串组合存起来 } } int **bstr=new int*[(m+1-N)*sizeof(int*)]; for(i=0;i<m+1-N;i++) { bstr[i]=new int[N*sizeof(int)]; for(j=0;j<N;j++) { bstr[i][j]=i+j; } } for(i=0;i<n+1-N;i++) { for(j=0;j<m+1-N;j++) { temp=0; for(k=0;k<N;k++) { //printf("\t go^……%c\n",a[astr[i][k]]); if(a[astr[i][k]]==b[bstr[j][k]]) temp++; } if(temp>=N) { count++; break; } } } for(i=0;i<n+1-N;i++) //空间释放 {free(astr[i]);} for(i=0;i<m+1-N;i++) {free(bstr[i]);} free(astr); free(bstr); result=(float)count/(float)(m+n+2-2*N-count); if(result>1)//aaa与aaaa的情况 { result=1/result; } return result;//返回相似度 }