Calculadora de distancia Levenshtein
Calcule la distancia de edición entre dos cadenas y vea las operaciones necesarias para transformar una en la otra.
Cómo utilizar la calculadora de distancia Levenshtein
- Ingrese la primera cadena en el campo Primera cadena.
- Ingrese la segunda cadena en el campo Segunda cadena.
- Haga clic en Calcular: la distancia de edición, el porcentaje de similitud y la lista de operaciones se muestran instantáneamente.
- Amplíe la matriz de Distancia para ver la tabla de programación dinámica completa utilizada para el cálculo.
Referencia Rápida
| De | A |
|---|---|
| gatito → sentado | Distancia: 3 |
| Sábado → Domingo | Distancia: 3 |
| hola → hola | Distancia: 0 (idéntico) |
| abc → xyz | Distancia: 3 (todos reemplazados) |
| gato → carrito | Distancia: 1 (insertar r) |
| libro → volver | Distancia: 2 |
Casos de Uso
- •Creación de sugerencias de revisión ortográfica al encontrar las palabras del diccionario más cercanas a una entrada mal escrita.
- •Comparación de secuencias de ADN o proteínas en la investigación bioinformática.
- •Implementación de búsqueda difusa en bases de datos y buscadores.
- •Medición de similitud entre el texto enviado por el usuario y las respuestas de referencia en aplicaciones educativas.
Fórmula
La distancia de Levenshtein entre dos cadenas es el número mínimo de ediciones de un solo carácter (inserciones, eliminaciones o sustituciones) necesarias para transformar una cadena en la otra.
Preguntas Frecuentes
¿Qué es la distancia de Levenshtein?
La distancia de Levenshtein (también llamada distancia de edición) es una métrica para medir qué tan diferentes son dos cadenas.
¿Cómo se calcula el porcentaje de similitud a partir de la distancia de edición?
La similitud se deriva de la distancia de Levenshtein usando la fórmula: similitud = (1 − distancia / max(len1, len2)) × 100%.
¿Cuáles son las aplicaciones comunes de la distancia de Levenshtein?
La distancia de Levenshtein se usa ampliamente en correctores ortográficos para sugerir correcciones, en la alineación de secuencias de ADN para bioinformática, en la coincidencia difusa de cadenas para motores de búsqueda, en herramientas de detección de plagio y en el procesamiento del lenguaje natural para tareas como el reconocimiento de entidades nombradas y la evaluación de traducción automática.