agrep：只返回最佳匹配

Posted 2023-02-22

【中文标题】agrep：只返回最佳匹配

【英文标题】：agrep: only return best match(es)

【发布时间】：2011-08-08 23:26:51

【问题描述】：

我在 R 中使用 'agrep' 函数，它返回一个匹配向量。我想要一个类似于 agrep 的函数，它只返回最佳匹配，或者如果有平局则返回最佳匹配。目前，我在结果向量的每个元素上使用包“cba”中的“sdist()”函数来执行此操作，但这似乎非常多余。

/edit：这是我目前正在使用的功能。我想加快速度，因为计算两次距离似乎是多余的。

library(cba)
word <- 'test'
words <- c('Teest','teeeest','New York City','yeast','text','Test')
ClosestMatch <- function(string,StringVector) 
  matches <- agrep(string,StringVector,value=TRUE)
  distance <- sdists(string,matches,method = "ow",weight = c(1, 0, 2))
  matches <- data.frame(matches,as.numeric(distance))
  matches <- subset(matches,distance==min(distance))
  as.character(matches$matches)


ClosestMatch(word,words)

【参考方案1】：

agrep 包使用 Levenshtein 距离来匹配字符串。包 RecordLinkage 有一个 C 函数来计算 Levenshtein 距离，它可以直接用来加速你的计算。这是一个重新设计的 ClosestMatch 函数，速度提高了大约 10 倍

library(RecordLinkage)

ClosestMatch2 = function(string, stringVector)

  distance = levenshteinSim(string, stringVector);
  stringVector[distance == max(distance)]

【讨论】：

@DWin。感谢您的指正。我已编辑我的答案以更正拼写。

感谢您的回答，这是一个很棒的功能。该软件包的预期目的是什么？那里可能还有与我的项目相关的其他功能。

@Zach。是的。它可能包含许多与您的工作相关的功能。这个包的 CRAN 页面上有很多小插曲，您可以查找 (cran.r-project.org/web/packages/RecordLinkage/index.html)

你可以从 distance == max(distance) 更改为 which.max(distance)

包 RecordLinkage 再次在 CRAN 上可用（截至 2016 年 5 月 2 日的版本 0.4-9。

【参考方案2】：

RecordLinkage 包已从 CRAN 中删除，请改用 stringdist：

library(stringdist)

ClosestMatch2 = function(string, stringVector)

  stringVector[amatch(string, stringVector, maxDist=Inf)]

【讨论】：

包 RecordLinkage 再次在 CRAN 上可用（版本 0.4-9，截至 2016 年 5 月 2 日。