SimilarCharactor

基于音形码，EditDistance的字符串纠正相似度算法

音形码格式：【韵母，声母，结构，四角编码，笔画数】共8位

音形码相似度算法参考博客https://blog.csdn.net/chndata/article/details/41114771
TODO 字符串错误匹配算法参考

结构、四角编码抓取http://zidian.miaochaxun.com 数据
韵母、声母使用pinyin包
笔画数抓取https://bihua.51240.com 数据

入口函数在string_similarity.py

繁简切换 Done ongoing 相似度分值映射调整(sigmoid函数映射) TODO 字符串包含关系 ongoing 相似度算法添加与调整(bm25)
TODO 字符串错位

===============================================================================

由于现在不做文本处理工作，所以理论不再继续研究

如果有idea可以联系本人邮箱，我会不定期接收算法理论并更新代码

Name		Name	Last commit message	Last commit date
Latest commit History 9 Commits
.gitattributes		.gitattributes
.gitignore		.gitignore
README.md		README.md
char_number_directionary.py		char_number_directionary.py
character.py		character.py
code_directionary.py		code_directionary.py
edit_distance.py		edit_distance.py
final_code_dictionary.py		final_code_dictionary.py
initial_code_dictionary.py		initial_code_dictionary.py
quadrilateral_code_dictionary.py		quadrilateral_code_dictionary.py
similar_pronunciation_dictionary.py		similar_pronunciation_dictionary.py
string_similarity.py		string_similarity.py
string_util.py		string_util.py
structure_code_dictionary.py		structure_code_dictionary.py
symbol_structure.py		symbol_structure.py
test.py		test.py
transform_character_2_img.py		transform_character_2_img.py
write_num.py		write_num.py
write_number_dictionary.py		write_number_dictionary.py
四角编码字典（70000字）.txt		四角编码字典（70000字）.txt
四角编码字典（7000字）.txt		四角编码字典（7000字）.txt
形近字语料库.txt		形近字语料库.txt
形近字语料库（CV2）.txt		形近字语料库（CV2）.txt
笔画数字典（20000字）.txt		笔画数字典（20000字）.txt
笔画数字典（7000字）.txt		笔画数字典（7000字）.txt
结构字典.txt		结构字典.txt
结构字典（20000字）.txt		结构字典（20000字）.txt
结构字典（最新）.txt		结构字典（最新）.txt
音型码.txt		音型码.txt
音近字语料库.txt		音近字语料库.txt

wenyangchou/SimilarCharactor