计算汉字相似度

情景

有时候我们希望计算两个汉字的相似度，比如文本的 OCR 等场景。用于识别纠正。

实现

引入 maven

  [xml]
1
2
3
4
5
<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>nlp-hanzi-similar</artifactId>
    <version>1.3.0</version>
</dependency>

java 实现

  [java]
1
double rate1 = HanziSimilarHelper.similar('末', '未');

返回对应的相似度：

  [plaintext]
1
0.9629629629629629

返回一个汉字的相似列表

情景

找到相似的汉字，有很多有趣的场景。

实现

  [java]
1
2
List<String> list = HanziSimilarHelper.similarList('爱');
Assert.assertEquals("[爰, 爯, 受, 爭, 妥, 憂, 李, 爳, 叐, 雙]", list.toString());

开源地址

为了便于大家学习，上述代码已开源

https://github.com/houbb/nlp-hanzi-similar

在线体验

在线体验

拓展阅读

NLP 中文形近字相似度计算思路

中文形近字相似度算法实现，为汉字 NLP 尽一点绵薄之力

当代中国最贵的汉字是什么？

NLP 开源形近字算法补完计划（完结篇）

NLP 开源形近字算法之形近字列表（番外篇）

开源项目在线化 中文繁简体转换/敏感词/拼音/分词/汉字相似度/markdown 目录