Méthodes de distances de chaînes

Expressions régulières intermédiaires en R

Angelo Zehr

Data Journalist

Damerau-Levenshtein

faute de frappe rick caplan

Distance de Levenshtein classique :

stringdist(a, b, method = "lv")

Distance de Damerau-Levenshtein :

stringdist(a, b, method = "dl")

Distance « Optimal String Alignment » :

stringdist(a, b, method = "osa")

q-grams honolulu

q-grams honolulu hanolulu

qgrams("Honolulu", "Hanolulu", q = 2)

Renvoie :

   Ho on ul no ol lu la
V1  1  1  1  1  1  2  0
V2  1  1  1  1  1  1  1

Somme des q-grams non partagés

stringdist(a, b, method = "qgram") # vaut 4

Q-grams non partagés divisés par le nombre total de q-grams

stringdist(a, b, method = "jaccard") # vaut 0.5

Distance « Optimal String Alignment »

stringdist(a, b, method = "cosine") # vaut 0.22

Expressions régulières intermédiaires en R