编辑距离
衡量两个字符串差异程度的指标，表示将一个字符串转换为另一个所需的最少插入、删除、替换操作次数，常用于OCR和文本识别的评测
时间轴 (近 90 天)
模糊匹配在工程上一般通过编辑距离实现，搜索引擎通常允许一定的编辑距离阈值来查找足够接近的词项。
编辑距离放宽会带来召回变多（可能引入不相关结果）和计算量上升两个副作用，因此需要限制模糊程度并结合相关度打分。
编辑距离（Levenshtein Distance）衡量的是将识别结果转换成标准答案所需的最少插入、删除、替换操作次数
编辑距离和字符准确率对错误的'位置'和'结构'不敏感，缺乏'通过/不通过'的明确语义边界
对比行为轨迹的常见方法包括编辑距离、序列对齐以及基于嵌入的相似度计算。
传统结构相似度聚类依赖编辑距离或控制流图的拓扑相似性来归并变体，只能捕捉执行路径的表面形态，无法感知活动背后的业务含义
归一化编辑距离将原始编辑距离除以两个字符串中较长者的长度，使其值域归一到[0,1]区间，消除字符串长度对度量的影响
全部知识事实 (7)
模糊匹配在工程上一般通过编辑距离实现，搜索引擎通常允许一定的编辑距离阈值来查找足够接近的词项。
50%待验证编辑距离放宽会带来召回变多（可能引入不相关结果）和计算量上升两个副作用，因此需要限制模糊程度并结合相关度打分。
50%待验证编辑距离（Levenshtein Distance）衡量的是将识别结果转换成标准答案所需的最少插入、删除、替换操作次数
50%待验证编辑距离和字符准确率对错误的'位置'和'结构'不敏感，缺乏'通过/不通过'的明确语义边界
50%待验证对比行为轨迹的常见方法包括编辑距离、序列对齐以及基于嵌入的相似度计算。
50%待验证传统结构相似度聚类依赖编辑距离或控制流图的拓扑相似性来归并变体，只能捕捉执行路径的表面形态，无法感知活动背后的业务含义
50%待验证归一化编辑距离将原始编辑距离除以两个字符串中较长者的长度，使其值域归一到[0,1]区间，消除字符串长度对度量的影响
50%