字串距離的方法

R 中級 Regular Expressions

Angelo Zehr

Data Journalist

Damerau-Levenshtein

rick caplan 打字錯誤

一般 Levenshtein 距離：

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

Damerau-Levenshtein 距離：

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

Optimal String Alignment 距離：

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

honolulu 的 q-gram

honolulu 與 hanolulu 的 q-gram

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

回傳：

   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 q-gram 的總和

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

未共享 q-gram / q-gram 總數

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

Optimal String Alignment 距離

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

R 中級 Regular Expressions