@leolee9086/string-metrics-dice

String Metrics Dice

高性能 Sørensen-Dice 系数算法库，支持多种实现变体和竞争系统。

🎯 特性

• 多种算法实现: 基础实现、优化版本、WASM高性能版本
• 竞争系统: 自动选择最优算法版本
• 高性能: 短字符串 >500万 ops/s，中等字符串 >100万 ops/s
• 类型安全: 完整的 TypeScript 支持
• 跨平台: 支持 Node.js 和浏览器环境
• WASM支持: Rust WebAssembly 高性能实现

📦 安装

npm install string-metrics-dice

🚀 快速开始

基础使用

import { computeDiceCoefficient } from 'string-metrics-dice';

// 计算两个字符串的 Dice 系数
const similarity = computeDiceCoefficient('hello', 'helo');
console.log(similarity); // 0.8571428571428571

// 使用选项
const similarity2 = computeDiceCoefficient('Hello', 'helo', {
  normalize: true
});
console.log(similarity2); // 0.8571428571428571

WASM 高性能版本

import { computeDiceCoefficientWasm } from 'string-metrics-dice/wasm';

// 异步初始化
await computeDiceCoefficientWasm.init();

// 高性能计算
const similarity = computeDiceCoefficientWasm.compute('hello', 'helo');
console.log(similarity); // 0.8571428571428571

📚 API 文档

computeDiceCoefficient(str1, str2, options?)

计算两个字符串的 Sørensen-Dice 系数。

参数:

• str1 (string): 第一个字符串
• str2 (string): 第二个字符串
• options (object, 可选): 计算选项
  • normalize (boolean): 是否进行 Unicode 标准化，默认 false
  • nGramSize (number): n-gram 大小，默认 2 (bigram)

返回值:

• number: Dice 系数，范围 [0, 1]，1 表示完全相同

computeDiceDistance(str1, str2, options?)

计算两个字符串的 Dice 距离（1 - Dice 系数）。

参数: 同 computeDiceCoefficient

返回值:

• number: Dice 距离，范围 [0, 1]，0 表示完全相同

🏗️ 算法原理

Sørensen-Dice 系数基于字符 n-gram 的重叠度计算：

Dice = 2 * |A ∩ B| / (|A| + |B|)

其中：

• A, B 是两个字符串的 n-gram 集合
• |A ∩ B| 是交集大小
• |A|, |B| 是各自集合大小

🔧 开发

安装依赖

npm install

运行测试

npm test

运行基准测试

npm run bench

构建 WASM

npm run build:wasm

许可证

AGPL=3.0 License