agrep：仅返回最佳匹配。

Question

我正在使用R中的'agrep'函数，它返回一个匹配向量。 我想要一个类似于agrep的函数，只返回最佳匹配或如果有平局则返回最佳匹配。 目前，我对结果向量的每个元素都使用'cba'包中的'sdist（）'函数进行操作，但这似乎非常冗余。

/编辑：这是我目前正在使用的函数。 我想加快速度，因为计算两次距离似乎很冗余。

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)

- Zach

Answer 1

agrep包使用Levenshtein距离来匹配字符串。RecordLinkage包含一个C函数，用于计算Levenshtein距离，可以直接使用该函数加速计算。这里是重新编写的ClosestMatch函数，大约快了10倍。

library(RecordLinkage)

ClosestMatch2 = function(string, stringVector){

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

}

- Ramnath

---

@DWin。感谢您的纠正。我已经编辑了我的回答以更正拼写错误。 - Ramnath

@Zach。是的，它很可能包含许多与您工作相关的功能。在此软件包的CRAN页面上有许多小品文可供查阅（http://cran.r-project.org/web/packages/RecordLinkage/index.html）。 - Ramnath

你可以将“distance == max(distance)”更改为“which.max(distance)”。 - Maciej

嗨，我知道这已经很老了，但我想知道是否有一种方法可以扩展此函数以获得最小的Levenshtein分数，并在未达到该最小值时返回“NA”？我必须组合两个长单词向量，但至少有50％的情况下没有接近的匹配... - SJDS

RecordLinkage 包再次在 CRAN 上可用（截至 2016-05-02 版本为 0.4-9）。 - Uwe

Answer 2

RecordLinkage软件包已从CRAN中移除，使用stringdist代替：

library(stringdist)

ClosestMatch2 = function(string, stringVector){

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

}

- Alexander Sigachov

---

RecordLinkage 软件包再次在 CRAN 上提供（截至 2016-05-02，版本为 0.4-9）。需要翻译的内容已完成。 - Uwe