用于纯文本表格检测的忽略想象尾部空白的莱文斯坦距离

Kartik Vempala

用于纯文本表格检测的忽略想象尾部空白的莱文斯坦距离

数据结构与算法 2021-03-15 v1 计算与语言信息检索

作者: Kartik Vempala

摘要

标准的莱文斯坦距离算法将尾部空白视为与其他字母或符号相同。然而，当人类比较两条字符串时，我们隐式地假设两条字符串都由无限尾部空白填充。这影响了我们对插入、删除与替换代价应有的预期。这种对我们预期的违背导致了不直观的编辑距离值。为考虑这一特定人类直觉，一种考量“所有可能”尾部空白子串的朴素方法将产生 $O(n^3)$ 算法。在本工作中，我们提供了一种高效的 $O(n^2)$ 算法来计算相同结果。关键词：想象无限尾部空白、人类友好、直观编辑距离、表格检测、表格对齐

关键词

莱文斯坦距离尾部空白表格检测表格对齐编辑距离人类直觉高效算法

引用

@article{arxiv.2103.06942,
  title  = {Imagined-Trailing-Whitespace-Agnostic Levenshtein Distance For Plaintext Table Detection},
  author = {Kartik Vempala},
  journal= {arXiv preprint arXiv:2103.06942},
  year   = {2021}
}

用于纯文本表格检测的忽略想象尾部空白的莱文斯坦距离

摘要

关键词

引用

相关论文