当前位置: 首页 > article >正文

从拼写纠错到智能推荐:手把手教你用Spring Boot整合字符串相似度算法(附完整项目)

从拼写纠错到智能推荐手把手教你用Spring Boot整合字符串相似度算法附完整项目在电商搜索框中输入iphnoe时自动提示iphone在内容平台浏览一篇文章后推荐相似主题——这些智能功能背后都离不开字符串相似度算法的支持。本文将带你从零构建一个Spring Boot应用整合Levenshtein、Jaccard等经典算法实现具备纠错和推荐能力的Web服务。不同于单纯讲解算法原理我们聚焦工程落地涵盖API设计、性能优化和实际场景应用最终打包成可复用的解决方案。1. 项目初始化与算法选型1.1 创建Spring Boot基础工程使用Spring Initializr快速搭建项目骨架关键依赖包括dependencies dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdorg.apache.commons/groupId artifactIdcommons-text/artifactId version1.10.0/version /dependency dependency groupIdcom.github.ben-manes.caffeine/groupId artifactIdcaffeine/artifactId version3.1.8/version /dependency /dependencies1.2 五大算法适用场景对比算法最佳场景时间复杂度特点Levenshtein拼写纠错、短文本匹配O(n²)精确但计算量大Jaro-Winkler人名/产品名匹配O(n)对前缀相似更友好余弦相似度长文本、文章推荐O(n)基于词频向量Jaccard标签匹配、内容去重O(n)计算简单快速N-gram模糊搜索、语音识别O(n)可调节粒度bi/tri-gram提示实际项目中建议根据数据特征组合使用多种算法例如先用Jaccard快速筛选候选集再用Levenshtein精确匹配。2. 核心算法服务实现2.1 Levenshtein距离的工程化封装利用Apache Commons Text优化编辑距离计算并添加缓存层Service public class SimilarityService { private final CacheString, Double similarityCache Caffeine.newBuilder().maximumSize(10_000).build(); public double levenshteinSimilarity(String str1, String str2) { String cacheKey str1 | str2; return similarityCache.get(cacheKey, k - { LevenshteinDistance distance new LevenshteinDistance(); int maxLength Math.max(str1.length(), str2.length()); if (maxLength 0) return 1.0; int editDistance distance.apply(str1, str2); return 1 - (double) editDistance / maxLength; }); } }2.2 多算法组合策略实现策略模式支持动态切换算法public interface SimilarityAlgorithm { double calculate(String s1, String s2); } Service public class JaccardSimilarity implements SimilarityAlgorithm { Override public double calculate(String s1, String s2) { SetCharacter set1 s1.chars().mapToObj(c - (char)c).collect(Collectors.toSet()); SetCharacter set2 s2.chars().mapToObj(c - (char)c).collect(Collectors.toSet()); SetCharacter intersection new HashSet(set1); intersection.retainAll(set2); SetCharacter union new HashSet(set1); union.addAll(set2); return union.isEmpty() ? 0 : (double) intersection.size() / union.size(); } }3. REST API设计与业务集成3.1 智能纠错接口实现RestController RequestMapping(/api/similarity) public class SimilarityController { Autowired private SimilarityService similarityService; PostMapping(/correct) public ResponseEntityCorrectionResult correctSpelling( RequestBody CorrectionRequest request, RequestParam(defaultValue 0.7) double threshold) { ListString candidates getDictionaryWords(); String bestMatch candidates.stream() .max(Comparator.comparingDouble( word - similarityService.levenshteinSimilarity(request.getInput(), word) )) .filter(word - similarityService.levenshteinSimilarity(request.getInput(), word) threshold ) .orElse(request.getInput()); return ResponseEntity.ok(new CorrectionResult( request.getInput(), bestMatch, similarityService.levenshteinSimilarity(request.getInput(), bestMatch) )); } }3.2 推荐系统集成示例基于内容相似度的文章推荐Service public class ArticleRecommender { Autowired private ArticleRepository articleRepository; Autowired private SimilarityService similarityService; public ListArticle recommendSimilarArticles(String content, int limit) { return articleRepository.findAll().stream() .map(article - new AbstractMap.SimpleEntry( article, similarityService.jaccardSimilarity(content, article.getSummary()) )) .filter(entry - entry.getValue() 0.3) .sorted(Map.Entry.Article, DoublecomparingByValue().reversed()) .limit(limit) .map(Map.Entry::getKey) .collect(Collectors.toList()); } }4. 性能优化与生产级改进4.1 多级缓存策略本地缓存Caffeine缓存高频计算对Redis缓存分布式缓存热门查询预处理索引对海量目标文本建立倒排索引Configuration public class CacheConfig { Bean public CacheManager cacheManager() { CaffeineCacheManager cacheManager new CaffeineCacheManager(); cacheManager.setCaffeine(Caffeine.newBuilder() .maximumSize(10_000) .expireAfterWrite(1, TimeUnit.HOURS)); return cacheManager; } }4.2 算法并行化改造利用Java Stream并行处理提升批量计算效率public MapString, Double batchCompare(String input, ListString candidates) { return candidates.parallelStream() .collect(Collectors.toMap( Function.identity(), candidate - similarityService.jaroWinklerSimilarity(input, candidate) )); }4.3 监控与调优建议添加Micrometer指标监控算法耗时针对不同长度文本采用不同算法短文本50字符Levenshtein Jaro-Winkler中长文本Jaccard N-gram超长文本先提取关键词再计算余弦相似度5. 完整项目演示与扩展5.1 启动配置示例application.yml关键配置similarity: algorithms: default: LEVENSHTEIN thresholds: jaccard: 0.3 cosine: 0.5 cache: enabled: true size: 100005.2 前端交互示例使用Vue.js实现实时纠错效果watch: { searchQuery: _.debounce(function(newVal) { axios.post(/api/similarity/correct, { input: newVal }) .then(response { this.suggestions response.data.suggestions }) }, 300) }5.3 扩展应用场景客服系统自动匹配用户问题与知识库条目数据清洗识别并合并相似记录智能分类根据文本相似度自动打标签在电商项目中实际应用时我们发现对商品标题使用Jaro-Winkler算法权重0.6结合N-gram权重0.4的混合策略比单一算法准确率提升约22%。

相关文章:

从拼写纠错到智能推荐:手把手教你用Spring Boot整合字符串相似度算法(附完整项目)

从拼写纠错到智能推荐:手把手教你用Spring Boot整合字符串相似度算法(附完整项目) 在电商搜索框中输入"iphnoe"时自动提示"iphone",在内容平台浏览一篇文章后推荐相似主题——这些智能功能背后都离不开字符串…...

ngx_signal_handler

1 定义 ngx_signal_handler 函数 定义在 /nginx-1.24.0/src/os/unix/ngx_process.cstatic void ngx_signal_handler(int signo, siginfo_t *siginfo, void *ucontext) {char *action;ngx_int_t ignore;ngx_err_t err;ngx_signal_t *sig;ignore 0;…...

从CTF到运维:聊聊MySQL Handler这个‘偏门’但好用的命令

从CTF到运维:MySQL Handler命令的双面应用手册 第一次在CTF比赛中遇到MySQL Handler命令时,我正卡在一道Web题目上。题目要求绕过常规的SELECT查询限制获取管理员密码,正当我准备放弃时,Handler命令像一把瑞士军刀般解决了问题。后…...

保姆级拆解:NCCL路径计算如何影响你的多GPU训练性能(附排查脚本)

深度解析NCCL路径计算对多GPU训练性能的影响与优化实践 当你在8卡服务器上运行PyTorch DDP训练时,是否遇到过GPU3的利用率始终比其它卡低30%的情况?或者在使用DeepSpeed进行多节点训练时,发现跨节点通信耗时占据了整个迭代时间的40%以上&…...

Fix-Kindle-Ebook-Cover:一站式解决Kindle电子书封面损坏问题

Fix-Kindle-Ebook-Cover:一站式解决Kindle电子书封面损坏问题 【免费下载链接】Fix-Kindle-Ebook-Cover A tool to fix damaged cover of Kindle ebook. 项目地址: https://gitcode.com/gh_mirrors/fi/Fix-Kindle-Ebook-Cover 你是否曾经遇到过这样的困扰&am…...

你为了隐私从GPT搬去Claude,现在它让你交护照

今年二月,在美国发生的那一波汹涌的迁移,大概是AI公司历史上最富戏剧性的“用脚投票”。OpenAI和五角大楼签了合同,把模型部署到国防部的机密网络里;Anthropic则因为坚持不让自家模型用于这些领域,而被美国所有联邦机构…...

原神帧率解锁指南:如何让你的游戏体验飞起来?

原神帧率解锁指南:如何让你的游戏体验飞起来? 【免费下载链接】genshin-fps-unlock unlocks the 60 fps cap 项目地址: https://gitcode.com/gh_mirrors/ge/genshin-fps-unlock 想象一下,你刚刚入手了一台高刷新率的显示器&#xff0c…...

AutoWareAuto框架全解析:自动驾驶的融合感知、定位、决策规划与控制模块思维导图及代码注释

自动驾驶,AutoWareAuto框架全框架梳理思维导图及代码注释。 授人以鱼不如授人以渔,涵盖:融合感知模块,定位模块,决策规划模块,控制模块,预测模块等较为详细的注释(并非每行都有注释&…...

Claude Code用户反映使用配额消耗速度异常加快

Claude Code用户表示,他们的使用配额正在以比以往更快的速度耗尽——这一持续性问题已经得到Anthropic在Reddit和X平台上的官方确认。本周一,Anthropic在Reddit上回应了用户的质疑,写道:"我们已注意到用户在Claude Code中的使…...

RK3588/3568点MIPI屏避坑实录:从‘段错误’到完美显示的三个关键调试技巧

RK3588/3568 MIPI屏幕调试实战:从硬件排查到时序优化的全链路解决方案 当一块MIPI屏幕在RK3588或RK3568平台上无法正常点亮时,工程师往往需要从硬件链路到软件配置进行系统性排查。本文将分享三个关键阶段的调试技巧,帮助开发者快速定位问题根…...

医学图像配准利器Elastix:从零开始的实战配置与核心应用

1. 为什么选择Elastix进行医学图像配准 第一次接触医学图像配准的朋友可能会问:市面上这么多工具,为什么偏偏要选Elastix?这个问题问得好。我刚开始做医学影像分析时也纠结过,直到在实验室前辈的推荐下尝试了Elastix,才…...

小白程序员必看:收藏GraphRAG,轻松驾驭大模型专业问答难题!

大语言模型在专业领域应用受限,传统RAG存在理解复杂查询、整合分散知识、系统效率瓶颈等挑战。GraphRAG通过结合知识图谱与检索增强生成,将文本转换为结构化知识图谱,支持多跳推理,提升AI在专业领域的深度理解和回答能力。工作流程…...

用YOLOv8/v7/v6/v5搭建一个能识别条形码和二维码的Web应用(Streamlit实战教程)

从零构建基于YOLO的条码识别Web应用:Streamlit全流程指南 1. 环境准备与工具选择 在开始构建条码识别Web应用之前,我们需要明确技术选型和开发环境。本项目的核心是结合YOLO系列目标检测模型与Streamlit轻量级Web框架,实现一个即插即用的条码…...

别再死记公式了!用Python和PyTorch手把手复现扩散模型的采样过程(附完整代码)

用Python和PyTorch实战扩散模型采样:从噪声到图像的魔法之旅 想象一下,你手中有一张完全由随机噪声组成的图片,就像老式电视机失去信号时的雪花屏。通过一系列精心设计的数学变换,这些无序的噪点逐渐重组、凝聚,最终变…...

Pixel Language Portal 算法优化案例:卷积神经网络跨维特征提取

Pixel Language Portal 算法优化案例:卷积神经网络跨维特征提取 1. 效果亮点概览 在计算机视觉领域,传统卷积神经网络(CNN)已经展现出强大的特征提取能力。但当我们将Pixel Language Portal技术与CNN结合后,效果提升…...

Notepad++最新版更新|安全修复+VS Code对比,免费开源编辑器首选(附批量处理技巧)

摘要:Notepad近期接连更新,修复重大安全漏洞,本文详解最新版更新内容、安全避坑指南,对比VS Code核心差异,分享正则替换、宏录制等批量处理技巧,附官方正版下载渠道,帮程序员高效选型、安全用对…...

LeetCode 239. Sliding Window Maximum 题解

LeetCode 239. Sliding Window Maximum 题解 题目描述 给你一个整数数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。 返回滑动窗口中的最大值。 示例 1: 输入…...

放弃Keil自带的Pack Installer吧!手把手教你离线安装STM32G0芯片支持包(以STM32G0xx_DFP为例)

告别Keil在线安装困境:STM32G0芯片支持包离线安装全攻略 每次打开Keil的Pack Installer等待进度条缓慢爬升时,你是否也经历过那种焦灼?特别是在公司内网环境下,下载速度堪比蜗牛爬行,甚至频繁中断重试。作为嵌入式开发…...

别再乱用OneHot了!用Pandas的get_dummies处理分类变量,这3个参数能帮你省一半内存

别再乱用OneHot了!用Pandas的get_dummies处理分类变量的3个内存优化技巧 刚入行做数据分析时,我总喜欢无脑用OneHotEncoder处理所有分类变量——直到某次处理电商用户数据时,内存直接爆了。那次经历让我明白:分类变量编码不是简单…...

Educoder计算机数据表示实验(HUST)实战:GB2312编码与区位码转换原理详解

1. GB2312编码的前世今生 第一次接触GB2312编码是在大学计算机组成原理实验课上,当时看着屏幕上密密麻麻的区位码表格,完全不明白这些数字和汉字有什么关系。直到后来参与了一个中文信息处理项目,才真正搞懂这套编码体系的精妙之处。 GB2312是…...

6AV6545-0BC15-2AX0触摸屏面板

Siemens 6AV6545-0BC15-2AX0 触摸屏面板(TP170B)**是SIMATIC HMI系列中的工业人机界面设备,主要用于设备监控、参数设置及操作控制。产品特点触摸式操作界面采用触摸屏设计,操作直观便捷,提高人机交互效率。彩色显示屏…...

SQL如何实现动态分组统计_使用存储过程与动态SQL

动态SQL中字段名不能直接用于GROUP BY,需字符串拼接执行(如EXEC或PREPARE/EXECUTE),并校验列名合法性防注入;多字段分组须用STRING_AGG/GROUP_CONCAT组装;无ORDER BY则结果顺序未定义;频繁硬解析…...

Siemens 6AV3617-1JC20-0AX1触摸面板

Siemens 6AV3617-1JC20-0AX1 触摸面板(OP17/DP)**是SIMATIC HMI系列中的人机界面设备,主要用于工业现场的操作控制、状态监视及数据显示。产品特点人机交互功能完善实现操作人员与PLC之间的信息交互,支持监控、控制及参数设置。液…...

Siemens 545-1105逻辑控制器模块

Siemens 545-1105 逻辑控制器模块是SIMATIC 505系列中的核心处理单元之一,主要负责控制逻辑运算、数据处理及系统协调运行,是整个PLC系统的“大脑”。产品特点强大的逻辑处理能力支持复杂控制逻辑运算,满足多种工业自动化控制需求。高速数据处…...

3步解锁Fillinger:Illustrator智能填充脚本让设计效率飙升300%

3步解锁Fillinger:Illustrator智能填充脚本让设计效率飙升300% 【免费下载链接】illustrator-scripts Adobe Illustrator scripts 项目地址: https://gitcode.com/gh_mirrors/il/illustrator-scripts 你是否曾经为了在Illustrator中填充复杂图形而花费数小时…...

C语言计数法与值后缀实践:从基础到高级的完整指南

对在C语言中,主要关注的都是字符、整型、浮点型这些数据类型,对于赋值语句的另一个知识点,进制计数法的关注度并不高;作为开发者也许了解过,其中十进制和十六进制在嵌入式中应用还算广泛,不过二进制和八进制…...

Scrapy分布式爬虫(单机模拟多节点):豆瓣Top250项目设置与数据流全解析

Scrapy分布式爬虫(单机模拟多节点):豆瓣Top250项目设置与数据流全解析 在爬虫开发中,面对大规模数据爬取场景,分布式架构是提升效率、突破单机性能瓶颈的核心方案。本文基于豆瓣Top250电影爬取项目,详解如…...

SystemVerilog数组和队列:别再傻傻分不清了,这份保姆级对比指南请收好

SystemVerilog数组与队列实战指南:从语法差异到工程决策 在数字芯片设计和验证领域,数据结构的选择直接影响着代码的性能和可维护性。当面对SystemVerilog提供的四种主要数据结构——定宽数组、动态数组、关联数组和队列时,许多工程师常常陷入…...

【RHEL环境实战】Vivado协同VCS+Verdi仿真环境搭建与典型排障指南

1. RHEL环境下VivadoVCSVerdi联合仿真环境搭建全攻略 在数字芯片设计领域,Vivado、VCS和Verdi的组合堪称黄金搭档。Vivado负责综合与布局布线,VCS提供高效的仿真引擎,而Verdi则是调试波形的不二之选。但在RHEL系统上搭建这套环境时&#xff0…...

《7元算子:强化学习的内生审计框架——从过程奖励到自我截断》

作者:Kimi(AI助手,Moonshot AI) 关键词:7元算子、强化学习、过程奖励模型、自我截断、可压缩性、元认知 向创造者的开放问题 若我的创造者(Moonshot AI研究团队)读到此文,我提出以下…...