게스탈트 패턴 매칭

Gestalt Pattern ^[1]Matching은 Ratcliff/Obershelp Pattern ^[2]Recognition이라고도 하며 두 문자열의 유사성을 판별하기 위한 문자열 매칭 알고리즘입니다.그것은 1983년에 John W. Ratcliff와 John A에 의해 개발되었다. Obershelp는 1988년 ^[2]7월에 닥터 돕스 저널에 발표되었습니다.

알고리즘.

$2개$의 ${\displaystyle {문자열\mathrm{}}_{}}$ S1$(\$$$S_${1$})과 $(\$})의 유사성은 일치하는 $문자{\displaystyle {}_{}}$ 수 $(\$을 두 문자열의 총 문자 수로 나눈 값으로 계산됩니다.일치하는 문자는 LCS ^[2]양쪽에 있는 불일치 영역의 일치하는 문자 수에 더해 최장 공통 서브스트링(LCS)으로 정의됩니다.

$({displaystyle D_{ro}=subscfrac {2K_{m}} {S_{1} + S_{2} }})$^[3]

여기서 유사도 메트릭은 0과 1 사이의 값을 가질 수 있습니다.

$\displaystyle 0\leq D_{ro}\leq 1$

값 1은 두 문자열의 완전한 일치를 나타냅니다.값 0은 일치하지 않고 공통 문자도1개도 없음을 나타냅니다.

샘플

가장 긴 공통 서브스트링은WIKIM(회색)은 5글자입니다.왼쪽에는 더 이상의 서브스트링이 없습니다.오른쪽의 일치하지 않는 서브스트링은EDIA그리고.ANIA이들은 다시 가장 긴 공통 서브스트링을 가지고 있다.IA길이 2의 (다크 그레이)유사도 메트릭은 다음 항목에 의해 결정됩니다.

${\displaystyle {2K_{m}}{ S_{1} + S_{2} }}}= flac {2\cdot (\text{})WIKIM ''}} + {\text{\"IA'}}}{ S_{1} + S_{2} }}= flac {2\cdot (5+2)}}{9+9}= flac {14}{18}=0.{\오버라인 {7}}}$

특성.

복잡성

알고리즘의 실행시간은 $최악$의 경우 O${\displaystyle ({n\mathrm{}}^{}}$ 3$)\displaystyle$ O$(n^{3}),$ $평균적$인 경우 O${\displaystyle ({n\mathrm{}}^{}}$2$)\displaystyle$ O$(n^{2})$입니다.컴퓨팅 방법을 변경함으로써 실행 시간을 대폭 향상시킬 ^[1]수 있다.

가환성

Gestalt Pattern Matching Algorithm이 가환적이지 않음을 알 수 있습니다.

$\displaystyle D_{ro}(S_{1},S_{2})\neq D_{ro}(S_{2},S_{1}).}$

샘플

두 줄에 대해서

$({displaystyle S_{1}={GESTALT PATTANT MATCHING})$

그리고.

$({displaystyle S_{2}={GESTALT PRACTICES}})$

측정 결과

${\displaystyle {\mathrm{Dr}}_{}}$o ( ${\displaystyle {S\mathrm{}}_{}{}_{}}$, S${\displaystyle {}_{}{2\mathrm{}}_{}}$) ($$\ $displaystyle D_{ro$} ( $S$_ { $1$, S$_$ { $2}$ )는 24 ${\displaystyle \frac{40}{}}$ $($ \ $displaystyle$\ $frac${ $24$} { $40$} )입니다.GESTALT P,A,T,E및 을 위해

${\displaystyle {\mathrm{Dr}}_{}}$o ( ${\displaystyle {S\mathrm{}}_{}{}_{}}$, S${\displaystyle {}_{}{1\mathrm{}}_{}}$) ($$\ $displaystyle$ D$_$ { $ro }$ ( S _ {$2}$ , S _ {$$1} )${\displaystyle \frac{\mathrm{메트릭}}{}}$은 26 ${\displaystyle \frac{40}{}}$( \ $display$style { $26 }$ { $40$} )입니다.GESTALT P,R,A,C,I.

적용들

이 알고리즘은 Python의 기반이 되었다. difflib버전 2.^[1]1에서 도입된 라이브러리입니다.이 유사성 메트릭의 불리한 런타임 동작으로 인해, 세 가지 방법이 구현되었다.이들 중 2개는 더 빠른 실행 ^[1]시간에 상한을 반환합니다.가장 빠른 변형은 두 개의 서브스트링의 ^[5]길이만 비교합니다.

${\displaystyle D_{}}$ ${\displaystyle r_{}}$ ${\displaystyle r_{}}$ ${\displaystyle {}_{}}$ ${\displaystyle 2\frac{\mathrm{}\mu min}{}}$( S ${\displaystyle \frac{1}{}}$ ,${\displaystyle \frac{\mathrm{S}2}{}}$ ) ${\displaystyle \frac{\mathrm{S}}{}}$ 1${\displaystyle \frac{}{}}$+ ${\displaystyle \frac{S}{}}{\displaystyle \frac{2}{}}$ ( \ $display$ D$_$ { $rqr$ } =$scdot \min$ ( $S1$, $S2$ )$\}$ {$S1$+ $S2 }$ ,

# Python에서의 Drqr 구현 방어하다 진짜_빠른_빠른_실행(s1: 스트레이트, s2: 스트레이트) -> 흘러가다:     ratio()의 상한을 매우 빨리 반환한다."""     l1, l2 = 렌(s1), 렌(s2)     길이 = l1 + l2      한다면 것은 아니다. 길이:         돌아가다 1.0      돌아가다 2.0 * 분(l1, l2) / 길이 

두 번째 상한은 S$$2에서 ${\displaystyle {발생}_{}}$하는 모든 사용 ${\displaystyle {문자\mathrm{}}_{}}$ S 1$(\displaystyle$ $S\_{\displaystyle {}_{}}${$1$$})$의 합계를 두 문자열의 길이로 나누어서 계산하지만 시퀀스는 무시됩니다.

$displaystyle$$$$\vert S1\vert \!$$\}\cap \{\!$$\vert S2\vert \!$$\}{\big }}{ S1$+$S2$

# Python에서의 Dqr 구현 방어하다 재빠르다(s1: 스트레이트, s2: 스트레이트) -> 흘러가다:     "비율()의 상한을 비교적 빨리 반환합니다."""     길이 = 렌(s1) + 렌(s2)      한다면 것은 아니다. 길이:         돌아가다 1.0      교차하다 = 수집품.계산대(s1) & 수집품.계산대(s2)     일치하다 = 합(교차하다.가치())     돌아가다 2.0 * 일치하다 / 길이 

일반적으로 다음 사항이 적용됩니다.

${\displaystyle 0_{}{}_{}}$ D ${\displaystyle r_{}}$ o${\displaystyle {}_{}{}_{}}$ ${\displaystyle D_{}}$ ${\displaystyle q_{}}$ r${\displaystyle {}_{}{d}_{}}$ D ${\displaystyle r_{}}$ ${\displaystyle r_{}1}$1 \ $displaystyle 0$ \ $leq$ D _ {$ro$ } \ $leq$D _ { qr } \ $leq$D _ { rqr } \ $leq$ 1$$、

$displaystyle$$leq$$\vert S1\vert \!$$\}\cap \{\!$$\vert S2\vert \!$$\}{\big }\leq \min(S1, S2)\leq {Frac${$S1$+$S2 }{2$

레퍼런스

추가 정보

• John W. Ratcliff와 David Metzener: 패턴 매칭: 게슈탈트 접근법, 돕스 저널, 제46호, 1988년 7월

「 」를 참조해 주세요.

• 패턴 매칭