使用【c语言】写【文本相似度分析】的代码

在 C 语言中，由于缺乏内置的库支持文本相似度分析，通常我们会使用一些基本的字符串操作函数，比如计算字符集交集、编辑距离等方法来评估文本的相似程度。这里我们以简单的 Jaccard 相似系数作为示例，这是一种基于集合的相似度度量方法。

#include <stdio.h>
#include <stdbool.h>

// 计算两个集合的交集大小
size_t intersection(const char* set1, const char* set2) {
    size_t i = 0, j = 0;
    while (set1[i] != '\0' && set2[j] != '\0') {
        if (set1[i] == set2[j]) {
            i++;
            j++;
        } else {
            i = set1[i+1] != '\0' ? i + 1 : i;
            j = set2[j+1] != '\0' ? j + 1 : j;
        }
    }
    return i;
}

// 计算Jaccard相似系数
float jaccard_similarity(const char* str1, const char* str2) {
    // 将字符串转换成小写并去除非字母字符
    const char* lower_str1 = str1;
    const char* lower_str2 = str2;
    for (lower_str1; *lower_str1; lower_str1++) {
        if (!isalpha(*lower_str1)) {
            *lower_str1 = '\0';
        }
    }
    for (lower_str2; *lower_str2; lower_str2++) {
        if (!isalpha(*lower_str2)) {
            *lower_str2 = '\0';
        }
    }

    // 计算集合大小
    size_t set1_len = strlen(lower_str1);
    size_t set2_len = strlen(lower_str2);

    // 计算交集大小
    size_t intersect_size = intersection(lower_str1, lower_str2);

    // 返回Jaccard相似系数
    return (float)intersect_size / (set1_len + set2_len - intersect_size);
}

int main() {
    char str1[] = "Hello World!";
    char str2[] = "WORLD";
    float sim = jaccard_similarity(str1, str2);
    printf("The Jaccard similarity between '%s' and '%s' is %.2f\n", str1, str2, sim);
    return 0;
}