基于編輯距離相似度的文本校驗技術(shù)研究與應(yīng)用

《基于編輯距離相似度的文本校驗技術(shù)研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、第34卷第4期2015年8月飛行器測控學報JournalofSpacecraftTT&CTechnologyV01．34No．4August2015引用格式：何鋒，谷鎖林，陳彥輝．基于編輯距離相似度的文本校驗技術(shù)研究與應(yīng)用[J]．飛行器測控學報，2015，34(4)389—394．HeFeng，GuSuolin，ChenYanhui．TextproofreadingtechnologybasedOillevenshteindistancesimilarityl-j]．JournalofSpacecraftTT＆．CTechnology，2015，34(4)：389—394?；诰庉嬀嚯x

2、相似度的文本校驗技術(shù)研究與應(yīng)用何鋒，谷鎖林，陳彥輝(酒泉衛(wèi)星發(fā)射中心·甘肅酒泉·732750)摘要：樹形結(jié)構(gòu)的文本配置在分布式的測控數(shù)據(jù)處理軟件中使用廣泛，它的正確性對數(shù)據(jù)處理而言至關(guān)重要。為了實現(xiàn)樹形結(jié)構(gòu)的文本配置自動檢查和糾錯，通過引入LD(LevenshteinDistance)編輯距離算法，把字符串的編輯操作推廣到多叉樹之間。在此基礎(chǔ)上定義了多叉樹之間的編輯距離，建立了衡量多叉樹之間相似度的方法，設(shè)計了基于模糊匹配的文本配置自動校對流程，解決了精確匹配時由字符的多義性導致的查全率失真和誤判的問題。根據(jù)實驗結(jié)果，查全率和查準率分另13達到了87．5％和i00％，有效提高了基于樹形

3、結(jié)構(gòu)的文本配置自動校驗時的可靠性。關(guān)鍵詞：字符串相似度；樹編輯距離；模糊匹配；文本校驗中圖分類號：V557+．3文獻標志碼：A文章編號：1674—5620(2015)04—0389—06DOI：10．7642／j．issn．1674—5620．2015-04-0389—06TextProofreadingTechnologyBasedonLevenshteinDistanceSimilarityHEFeng，GUSuolin，CHENYanhui(JiuquanSatelliteLaunchCenter，Jiuquan，GansuProvince732750)Abstract．．．Th

4、ecorrectnessoftextconfigu}ationbasedontreestructureiscriticallyimportantfordataprocessingasitiswidelyusedindistributeddataprocessingsoftwareofTT＆C(Tracking，TelemetryandCommand)．Toachieveautomaticproofreadingoftextconfigurationbasedontreestructure，LevenshteinDistanceisintroducedtoextendeditoperat

5、ionsbetweenstringstomulti—branchestrees．Onbasisofthis，treeLevenshteinDistanceisdefined，amethodformeasuringsimilaritybetweentreesisdeveloped，andatextproofreadingflowwithfuzzymatchingmeth～odisdesigned．Distortionofprecisionrateandmisjudgmentcausedbypolysemyofcharactersinaccuratematchingaresolved．Ac

6、cordingtoexperimentalresults，therecallratioandprecisionratioareupto87．5％and100％respec～tively，significantlyimprovingthereliabilityofautomatictextproofreadingbasedontreestructure．Keywords：similaritybetweenstrings；treeLevenshteindistance；fuzzymatching；textproofreading0引言目前測控數(shù)據(jù)處理中心主要采用分布式、全配置的系統(tǒng)構(gòu)架，以

7、發(fā)布一訂閱的模式向外分發(fā)數(shù)據(jù)。軟件的接口關(guān)系、信息格式都使用配置文件的形式保存，軟件維護時只需更改配置文件而不對軟件本身進行代碼維護。各分系統(tǒng)應(yīng)用軟件的配置以主題、設(shè)備、元素三層非線性多叉樹結(jié)構(gòu)(簡稱主題樹)進行組織。配置文件中主題樹一般有30多個，元素將近2000條，每條元素項有固定的24個節(jié)點(屬性)，包括元素名稱、編碼、代號、傳輸格式、數(shù)據(jù)長度等，總共有40000*收稿日期：2014—12—15；修回日期：2015-01—28；網(wǎng)絡(luò)出版時