【NLP】斯密斯-沃特曼的对齐算法（python）

一、说明

         在生物技术中，需要用到局部序列对齐 (LSA)，所以使用 Smith-Waterman 算法在较长的子字符串 a 中找到部分匹配的子字符串 b。同样，在NLP中，也存在串比较问题，比如语音序列。因为这里用 Python 编码的，所以我们确信已经有很多实现可以使用了。我确实找到了一些代码，然而，有些实现是不完整的，这里拿来一个可以跑通的。我没有测试第二个实现，留给读者实现。

        因此，我开始了自己实现定位。我想要的是一些易于使用的功能，比如

    start, end = smith_waterman(string_a, string_b)

        找出某些版本的 string_b（包括间隙和删除）在 string_a 中的开始和结束位置。

1.1 实现评分矩阵（Scoring matrix）

        为了找到 b 与 a 的局部对齐，Smith-Waterman 首先计算评分矩阵。以下代码使用线性间隙成本为两个字符串 a 和 b 计算此矩阵。出于性能原因，我选择了 NumP