seqsim

Python库，用于计算可哈希数据类型序列的距离和相似度。

虽然作为通用库开发，但seqsim主要设计用于文化进化领域的研究，尤其是文本传统的文化进化。一些方法作为标准Python库或其他库（如textdistance）的轻量级包装器。

安装

在任何标准Python环境中，可以使用以下命令安装seqsim：

$ pip install seqsim

用法

该库提供了不同的方法来比较任意可哈希元素的序列。可以混合序列和元素类型。

完整文档可在ReadTheDocs找到，并提供了几乎完全覆盖的代码测试。对于大多数常见用法，可以使用包装函数.distance()。

>>> import seqsim
>>> seqsim.edit.levenshtein_dist("kitten", "string")
5
>>> seqsim.edit.levenshtein_dist("kitten", "string", normal=True)
>>> 0.8333333333333334
>>> seqsim.sequence.ratcliff_obershelp([1,2,3,4], [2,4,3,5])
0.5
>>> seqsim.compression.entropy_ncd([1,2,3,4], [2,4,3,5])
0.08333333333333333

演示

该库的核心是任意数据类型的序列距离/相似度度量，如下表所示。

变更日志

版本 0.3.1

• 修复了由于方法中一个打字错误导致的错误
• 选择了一个Birnbaum实现

版本 0.3

• 代码质量、文档和参考文献的改进
• 添加了新的方法和脚手架，以支持未来的扩展

版本 0.2

• 第一个支持任何可哈希Python数据类型序列的新路线图版本，从其他项目（主要是从titivillus）导入代码

社区指南

尽管可以直接联系作者以获取支持，但建议第三方使用GitHub标准功能，如问题和拉取请求，以贡献、报告问题或寻求支持。

贡献指南，包括行为准则，可在CONTRIBUTING.md文件中找到。

作者和引用

该库是在“文化文本演化”项目背景下开发的，由Riksbankens Jubileumsfond提供资金（协议编号：MXM19-1087:1）。

如果您使用seqsim，请按照以下方式引用它：

Tresoldi, Tiago; Maurits, Luke; Dunn, Michael. (2021). seqsim，用于计算可哈希数据类型序列距离和相似度度的库。版本 0.3.2. 乌普萨拉：乌普萨拉大学。可在以下网址找到：[https://github.com/evotext/seqsim](https://github.com/evotext/seqsim)

在BibTeX中

@misc{Tresoldi2021seqsim,
  author = {Tresoldi, Tiago; Maurits, Luke; Dunn, Michael},
  title = {seqsim, a library for computing measures of distance and similarity for sequences of hashable data types. Version 0.3.2},
  howpublished = {\url{https://github.com/evotext/seqsim}},
  address = {Uppsala},
  publisher = {Uppsala universitet},
  year = {2021},
}

参考文献

此文件顶部的图像来源于Yves de Saint-Denis的《Vie et martyre de saint Denis et de ses compagnons, versions latine et française》。从法国国家图书馆，手稿部，法国2090号，第12面v提供高分辨率版本。

有关各种实现的引用可在源代码注释和在线文档中找到。