Metody měření vzdálenosti řetězců

Intermediate Regular Expressions in R

Angelo Zehr

Data Journalist

Damerau-Levenshtein

překlep rick caplan

Běžná Levenshteinova vzdálenost:

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

Damerau-Levenshteinova vzdálenost:

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

Vzdálenost optimálního zarovnání řetězců:

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

q-gramy honolulu

q-gramy honolulu hanolulu

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

Vrátí:

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

Součet q-gramů, které nejsou sdíleny

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

Nesdílené q-gramy vydělené celkovým počtem q-gramů

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

Vzdálenost optimálního zarovnání řetězců

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

Intermediate Regular Expressions in R