字符串距离的方法

R 中级正则表达式

Angelo Zehr

Data Journalist

Damerau-Levenshtein

里克·卡普兰的拼写错误

常规 Levenshtein 距离：

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

Damerau-Levenshtein 距离：

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

最优字符串对齐距离：

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

檀香山的 qgram

Honolulu 与 Hanolulu 的 qgram

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

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

未共享 qgram 的数量之和

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

未共享 qgram 占全部 qgram 的比例

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

最优字符串对齐距离

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

R 中级正则表达式