NLP 开源形近字算法之相似字列表（番外篇）

创作目的

国内对于文本的相似度计算，开源的工具是比较丰富的。

但是对于两个汉字之间的相似度计算，国内基本一片空白。国内的参考的资料少的可怜，国外相关文档也是如此。

本项目旨在抛砖引玉，实现一个基本的相似度计算工具，为汉字 NLP 贡献一点绵薄之力。

有时候我们并不是需要返回两个字的相似，而是需要返回一个汉字的相似列表。

实现思路

我们可以分别计算所有的汉字之间的相似度，然后保留最大的前100个，放在字典中。

然后实时查询这个字典即可。

实现方式

中我们主要需要的是对应的 2W 常见汉字。

用来存放汉字和相似字的映射关系。

数据初始化

•优先级队列取前 100 个

我们通过优先级队列存储：

相似字的获取

初始化好数据之后，一切就变得非常简单：

•接口定义

•数据获取

便利性

为了用户使用方便，我们在 中添加 2 个工具类方法：

测试效果

我们使用看一下效果：

我们来看一下【爱】的形近字。

小结

一个字的形近字可以做很多有趣的事情，这个要看大家的想象力。

实现方式也不难，最核心的还是相似度的计算。

我是老马，期待与你的下次重逢。