OCR：加权Levenshtein距离

Question

我试图用字典创建光学字符识别系统。

有实现的字典其实我还不=）

我听说有基于编辑距离其采取不同符号之间的帐户不同距离的简单的指标。例如。 'N'和'H'非常接近，d（“THEATER”，“TNEATRE”）应该小于d（“THEATER”，“TOEATRE”），使用基本的Levenstein距离是不可能的。

请帮我找到这样的指标。

坦克的注意。

Answer 1

这可能是你在找什么：http://en.wikipedia.org/wiki/Damerau%E2%80%93Levenshtein_distance（和亲切一些工作代码包含在的链接）

更新：

http://nlp.stanford.edu/IR-book/html/htmledition/edit-distance-1.html

Answer 2

下面是一个例子（C＃） “替换字符”操作的重量取决于字符代码之间的距离：

 static double WeightedLevenshtein(string b1, string b2) { 
     b1 = b1.ToUpper(); 
     b2 = b2.ToUpper(); 

     double[,] matrix = new double[b1.Length + 1, b2.Length + 1]; 

     for (int i = 1; i <= b1.Length; i++) { 
      matrix[i, 0] = i; 
     } 

     for (int i = 1; i <= b2.Length; i++) { 
      matrix[0, i] = i; 
     } 

     for (int i = 1; i <= b1.Length; i++) { 
      for (int j = 1; j <= b2.Length; j++) { 
       double distance_replace = matrix[(i - 1), (j - 1)]; 
       if (b1[i - 1] != b2[j - 1]) { 
        // Cost of replace 
        distance_replace += Math.Abs((float)(b1[i - 1]) - b2[j - 1])/('Z'-'A'); 
       } 

       // Cost of remove = 1 
       double distance_remove = matrix[(i - 1), j] + 1; 
       // Cost of add = 1 
       double distance_add = matrix[i, (j - 1)] + 1; 

       matrix[i, j] = Math.Min(distance_replace, 
            Math.Min(distance_add, distance_remove)); 
      } 
     } 

     return matrix[b1.Length, b2.Length] ; 
    } 

你看它是如何工作在这里：http://ideone.com/RblFK