1.一种通用字符串相似性度量框架的构建方法，其特征在于，具体过程如下：(1)设定X＝{x0,x1,x2,...}和Y＝{y0,y1,y2,...}为需要比较的两个字符串总体，X和Y中的元素xi和yj由字符序列 和 组成，其中 和 分别是xi和yj中的第p和第q个字符，m和n是xi和yj的长度；

(2)将匹配或相似的集合M＝{(xi,yj)；xi＝yj,xi∈X,yj∈Y}与不匹配集合N＝{(xi,yj)；

xi≠yj,xi∈X,yj∈Y}组成一组字符串X×Y＝{(xi,yj)；xi∈X,yj∈Y}；

(3)基于匹配或相似的集合M＝{(xi,yj)；xi＝yj,xi∈X,yj∈Y}和不匹配集合N＝{(xi,yj)；xi≠yj,xi∈X,yj∈Y}，为每个字符串相似性度量定义一个用于比较的标准集合γ(xi,yj)，γ(xi,yj)＝{γ1(xi,yj),γ2(xi,yj),...,γK(xi,yj)}，其中γk(xi,yj)是xi和yj之间的第k个特定比较条件；

i j i j

(4)得到后验概率P((x ,y)∈M|γ(x ,y))即字符串相似性度量的实际或准确结果后，再基于最大似然估计方法，使用P(γ(xi,yj)|(xi,yj)∈M)来估计后验概率，即：Sim(xi,yj)＝P((xi,yj)∈M|γ(xi,yj))∝P(γ(xi,yj)|(xi,yj)∈M)

设定γ(xi,yj)中的比较标准是 对于具体的比较标

i j i j i j

准集合γ(x ,y)，不匹配条件包含错误UM，该不匹配条件与概率P((x ,y)∈M|γ(x ,y))字符串相似性度量定义相关联，匹配或相似的比较条件排除错误M，该匹配或相似的比较条件也与概率P((xi,yj)∈M|γ(xi,yj))字符串相似性度量定义相关联，对于Sim(xi,yj)需要移除UM并添加M，将概率函数需要修改为：其中 是常用字符串相似性度量的概率形式，M-UM是修正误差

的调整因子，并且M-UM趋于α·(1-Sim(xi,yj))，其中α∈[0,1]；

(5)最后得到一个结合附加特征的字符串相似性度量框架：

Sim(xi,yj)＝Simgen(xi,yj)+α·(1-Simgen(xi,yj))。

2.如权利要求1所述的通用字符串相似性度量框架的构建方法，其特征在于：所述步骤(3)中的γk(xi,yj)可表示Dice距离中xi和yj中的共同字符，也可表示在Levenshtein距离和Jaro距离中变换xi到yj的最小成本删除操作，还可表示在Monge-Elkan距离中的xi和yj的共同前缀。

3.如权利要求1所述的通用字符串相似性度量框架的构建方法，其特征在于：所述步骤(5)中为了包含词缀信息到字符串相似度度量中，可修改α为其中lp和ls分别是xi和yj中的相同前缀和后缀的长度；|xi|和|yj|分别是xi和yj的长度，当xi和yj有相同的前缀和/或相同的后缀时，ω∈[0,1]是决定向上调整多少相似度的常数比例因子；β∈[0,1]和η∈[0,1]分别是前缀特征和后缀特征的权重。