{
  "id": "damerau-levenshtein-distance",
  "title": "达梅劳–莱文斯坦距离",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "达梅劳–莱文斯坦距离是将一个字符串变为另一个所需的插入、删除、替换及相邻交换操作的最少次数。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "达默劳–莱文斯坦距离",
    "DL距离"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/damerau-levenshtein-distance/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/damerau-levenshtein-distance/",
      "json": "https://aiwiki.page/en/damerau-levenshtein-distance.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "达梅劳–莱文斯坦距离是两个字符串之间的一种编辑距离：它表示将一个字符串变为另一个所需的单符号插入、删除、替换及相邻符号交换操作的最少次数。在标准形式下，每次操作的代价均为一。它扩展了莱文斯坦距离，将一次相邻交换视为一次编辑，而非两次，因此适合用来比较含有打字错误的字符串。无限制的距离必须与最优字符串对齐距离区分开来；后者是一种较简单的受限变体，但有些软件也用同一个名称来称呼它。"
    },
    {
      "heading": "定义与基本操作",
      "text": "设 \\(x=x_1x_2\\cdots x_m\\) 和 \\(y=y_1y_2\\cdots y_n\\) 是字母表 \\(\\Sigma\\) 上的有限字符串。它们的达梅劳–莱文斯坦距离记为 \\(d_{\\mathrm{DL}}(x,y)\\)，定义为使用以下四种操作将 \\(x\\) 变为 \\(y\\) 的最短编辑序列的长度：\n\n操作 | 说明 | 示例\n插入 | 添加一个符号 | cat → cart\n删除 | 移除一个符号 | cart → cat\n替换 | 将一个符号替换为另一个 | cat → cut\n相邻交换 | 交换两个相邻符号 | form → from\n\n交换操作仅限于相邻符号；交换任意两个相距较远的符号不能算作一次操作。\n\n例如，\n\n\\[d_{\\mathrm{DL}}(\\texttt{form},\\texttt{from})=1,\\]\n\n而这两个字符串之间的莱文斯坦距离为二。\n\n这一定义适用于一般的序列，而不仅限于书面词语。符号可以是字符、词元或其他离散单位，前提是对相等关系及允许的操作作出一致的定义。"
    },
    {
      "heading": "数学性质",
      "text": "当各项操作的代价均为一时，无限制达梅劳–莱文斯坦距离是有限字符串集合上的一种度量。它满足：\n\n- 非负性： \\(d(x,y)\\geq 0\\)。\n- 同一性： \\(d(x,y)=0\\) 当且仅当 \\(x=y\\)。\n- 对称性： \\(d(x,y)=d(y,x)\\)。\n- 三角不等式： \\(d(x,z)\\leq d(x,y)+d(y,z)\\)。\n\n对称性源于每种允许的操作都有一个代价相同的逆操作。三角不等式则源于：将 \\(x\\) 变为 \\(y\\) 的操作序列之后，可以接上将 \\(y\\) 变为 \\(z\\) 的操作序列。\n\n对于长度分别为 \\(m\\) 和 \\(n\\) 的字符串，\n\n\\[|m-n|\\leq d_{\\mathrm{DL}}(x,y)\\leq \\max(m,n).\\]\n\n下界成立，是因为只有插入和删除会改变长度，而且每次只改变一。对于上界，可以先替换对应位置的符号，再插入或删除剩余的符号。\n\n它与莱文斯坦距离的关系为\n\n\\[d_{\\mathrm{DL}}(x,y)\\leq d_{\\mathrm{Lev}}(x,y),\\]\n\n因为莱文斯坦距离允许的每一个编辑序列，在达梅劳–莱文斯坦距离中也都允许。汉明距离只统计等长序列中对应位置不相同的数量，而这两种距离都允许插入和删除操作。"
    },
    {
      "heading": "无限制距离与最优字符串对齐距离",
      "text": "一个重要区别在于：后续编辑是否可以作用于字符串中已经编辑过的部分。\n\n无限制达梅劳–莱文斯坦距离允许任意组合这四种基本操作。最优字符串对齐距离，简称 OSA 距离，则限制了已编辑子串的再次使用方式。它通常采用的动态规划递推式，只是在莱文斯坦递推式中加入一个局部的相邻交换情形。这种修改并不能在所有情况下计算出无限制距离。\n\n一个典型例子是\n\n\\[\\texttt{CA}\\rightarrow\\texttt{AC}\\rightarrow\\texttt{ABC}.\\]\n\n第一次操作交换 C 和 A；第二次操作在它们之间插入 B。因此，\n\n\\[d_{\\mathrm{DL}}(\\texttt{CA},\\texttt{ABC})=2.\\]\n\nOSA 距离为这对字符串给出的结果是三。其限制使它无法涵盖上述仅需两次操作的序列。\n\n这一区别也意味着 OSA 距离不满足三角不等式：\n\n\\[d_{\\mathrm{OSA}}(\\texttt{CA},\\texttt{ABC})=3,\\]\n\n但\n\n\\[d_{\\mathrm{OSA}}(\\texttt{CA},\\texttt{AC}) + d_{\\mathrm{OSA}}(\\texttt{AC},\\texttt{ABC}) =1+1=2.\\]\n\n当算法依赖度量性质进行剪枝或建立索引时，这一区别尤为重要。标为“Damerau–Levenshtein”的软件接口，可能实现的是其中任意一种变体。"
    },
    {
      "heading": "动态规划计算",
      "text": "两种变体都可以用动态规划计算，但需要采用不同的递推式。\n\n受限递推式\n\n设 \\(R_{i,j}\\) 表示 \\(x\\) 的前 \\(i\\) 个符号与 \\(y\\) 的前 \\(j\\) 个符号之间的 OSA 距离。初始化为\n\n\\[R_{i,0}=i,\\qquad R_{0,j}=j.\\]\n\n定义替换代价\n\n\\[c_{i,j}= \\begin{cases} 0,&x_i=y_j,\\\\ 1,&x_i\\ne y_j. \\end{cases}\\]\n\n通常的三个候选值为\n\n\\[R_{i,j}= \\min\\left\\{ R_{i-1,j}+1,\\; R_{i,j-1}+1,\\; R_{i-1,j-1}+c_{i,j} \\right\\}.\\]\n\n若 \\(i,j\\geq2\\)、\\(x_i=y_{j-1}\\) 且 \\(x_{i-1}=y_j\\)，则额外加入交换操作的候选值\n\n\\[R_{i-2,j-2}+1.\\]\n\n这个递推式很简洁，但其交换情形只考虑紧邻当前计算位置的两个符号。\n\n无限制递推式\n\n对于无限制距离，计算时必须考虑这样的交换：两个端点之间，可能隔着从源字符串中删除的符号，或向目标字符串中插入的符号。\n\n设 \\(D_{i,j}\\) 为长度分别为 \\(i\\) 和 \\(j\\) 的两个前缀之间的无限制距离，并令\n\n\\[D_{i,0}=i,\\qquad D_{0,j}=j.\\]\n\n在单元格 \\((i,j)\\) 处，设：\n\n- \\(k\\) 为小于 \\(i\\) 且满足 \\(x_k=y_j\\) 的最大下标；\n- \\(\\ell\\) 为小于 \\(j\\) 且满足 \\(y_\\ell=x_i\\) 的最大下标。\n\n除了插入、删除和替换的候选值，还需考虑\n\n\\[D_{k-1,\\ell-1} +(i-k-1) +1 +(j-\\ell-1).\\]\n\n如果上述任一符号在更早的位置没有出现，则不计入这个候选值。式中各项依次表示：转换之前的前缀、删除源字符串中间的符号、交换匹配的两个端点，以及插入目标字符串中间的符号。\n\n因此，\n\n\\[D_{i,j}= \\min\\left\\{ \\begin{aligned} &D_{i-1,j}+1,\\\\ &D_{i,j-1}+1,\\\\ &D_{i-1,j-1}+c_{i,j},\\\\ &D_{k-1,\\ell-1}+(i-k-1)+1+(j-\\ell-1) \\end{aligned} \\right\\},\\]\n\n其中最后一个候选值仅在适用时纳入计算。\n\n实现时，可以用数组或哈希表维护各符号最近一次出现的位置，而不必反复扫描前缀。\n\n计算开销\n\n对于长度分别为 \\(m\\) 和 \\(n\\) 的字符串，标准实现的时间复杂度为 \\(O(mn)\\)。完整动态规划表的空间复杂度为 \\(O(mn)\\)；无限制距离的计算还需要维护符号出现位置的信息。\n\n如果只计算 OSA 距离，可以使用三行滚动数组，将辅助存储空间降至 \\(O(\\min(m,n))\\)。同样的简单滚动数组方法不能直接用于无限制递推式，因为其交换候选值可能引用远早于当前行的行。\n\n要恢复实际的编辑序列，需要保存回溯信息，或采用其他重建方法。仅计算距离数值，并不会自动得到一个对齐方案。"
    },
    {
      "heading": "历史发展",
      "text": "这一名称源自弗雷德里克·J. 达梅劳和弗拉基米尔·I. 莱文斯坦的研究。达梅劳在 1964 年关于拼写错误检测与纠正的研究中，将插入、删除、替换和相邻交换视为重要的基本错误类型。莱文斯坦在 20 世纪 60 年代的研究则奠定了涉及删除、插入和替换操作的距离理论的基础。\n\n后续算法研究发展出了高效处理交换操作的方法。罗伊·洛兰斯和罗伯特·A. 瓦格纳于 1975 年发表了一种针对扩展字符串纠错问题的算法，产生了重要影响。拼写错误模型与字符串纠错算法之间的历史联系，有助于解释为何受限变体与无限制变体有时会被混为一谈。"
    },
    {
      "heading": "应用与局限",
      "text": "达梅劳–莱文斯坦距离用于近似字符串匹配、拼写纠正、信息检索和记录匹配。相邻交换操作使它尤其适合处理将 the 错写为 teh 之类的错误。\n\n在自然语言处理中，它可以作为相似度特征，也可以帮助生成候选纠正结果。但它本身无法确定用户最可能想输入的词：对于编辑距离相同的候选词，词频、上下文、发音和键盘布局都可能成为区分依据。\n\n以下几种建模选择会影响对距离的解读：\n\n- 文本表示： Unicode统一码字符串可以按字节、码位或字素簇进行比较。采用不同单位，可能得到不同的距离。\n- 预处理： 大小写折叠、去除标点或 Unicode 规范化，会改变比较时保留哪些差异。\n- 操作代价： 单位代价将所有替换和相邻交换一视同仁。加权模型可以表达不同错误发生的可能性，但是否满足度量性质取决于代价规则。\n- 长度归一化： 用与长度相关的分母作除数，可以方便不同长度字符串之间的比较，但所得分数并不一定是度量。\n- 含义： 字符层面的距离小，并不意味着语义相近；语义相同的表达，其距离也可能很大。\n\n对于长序列或大规模集合，时间复杂度为二次量级的两两比较可能开销很大。实际系统通常将编辑距离计算与候选筛选、索引、长度界限或最大允许距离等方法结合使用。"
    }
  ],
  "links": [
    "edit-distance",
    "metric-space",
    "hamming-distance",
    "algorithm",
    "dynamic-programming",
    "hash-table",
    "time-complexity",
    "space-complexity",
    "information-retrieval",
    "natural-language-processing",
    "unicode",
    "code-point",
    "grapheme-cluster"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}