[TCL] [Librairie] Distance de Levenshtein (version actuelle : 1.0)

[MenzAgitat]

 
Ce script pourvoit l'eggdrop du package Levenshtein :

tclcopier

Package provide Levenshtein 1.0

Description :
La distance de Levenshtein mesure la similarité entre deux chaînes de caractères.
Elle est égale au nombre minimal de caractères qu'il faut supprimer, insérer ou remplacer pour passer d'une chaîne à l'autre.
(voir http://fr.wikipedia.org/wiki/Distance_de_Levenshtein )


Intérêts :

• Permet à un correcteur orthographique de faire des suggestions pour tel mot mal orthographié, en proposant d'autres mots dont la distance de Levenshtein par rapport au premier est faible.
  
• Permet à une pseudo-IA de type chatterbot d'avoir une tolérance orthographique : si tel mot comparé à tel autre a une distance inférieure à une tolérance donnée, on peut décider qu'il est équivalent.
  
• ...

Syntaxe :

tclcopier

levenshtein::distance <string 1> <string 2>

Exemples :

Code :

levenshtein::distance "bonjour" "bougeoir"
-> 4

Il faut manipuler 4 caractères pour passer du mot "bonjour" au mot "bougeoir" :

• BONJOUR
  
• BOUJOUR -> on remplace le N par un U
  
• BOUGOUR -> on remplace le J par un G
  
• BOUGEOUR -> on insère un E
  
• BOUGEOIR -> on remplace le U par un I

Code :

levenshtein::distance "antiquaire" "antikaire"
-> 2

On peut conclure de cet exemple de 10 lettres qu'il est très similaire avec le 2ème mot avec une distance de 2 seulement.
Il est important d'avoir à l'esprit qu'une distance de 2 entre deux mots de 10 lettres dénote une ressemblance, tandis qu'une distance de 2 entre deux mots de 3 lettres signifie qu'ils sont très différents comme le montre l'exemple suivant :

Code :

levenshtein::distance "pin" "pas"
-> 2

Comme vous le voyez, une distance de 2 ne permet pas de faire beaucoup de modifications dans un mot de 10 lettres mais elle représente un changement radical pour un mot de 3 lettres.
Afin de préserver la pertinence des résultats, vous prendrez soin de toujours lier la tolérance à la longueur, proportionnellement.

Code :

levenshtein::distance "antiquaire" "dimanche"
-> 8

Sur ce dernier exemple, on peut voir qu'il y a une distance de 8 entre le 1er mot et le second qui est très différent.

Téléchargement :Distance de Levenshtein v1.0