识别/由R

这里区分两个句子是我的数据的一个例子识别/由R

ID地址

Table1:User table 
id  address 
1  mont carlo road,CA 
2  mont road,IS 
3  mont carlo road1-11,CA 

Table 2(The output I wanna get) 
Similarity Matrix 
id 1 2 3 

1 

2 3 

3 1 3 

1～3 very similar～very dissimilar

我的问题是如何通过地址来识别在表1的情况之间的相似性，然后输出结果，如R中的表2所示的相似矩阵。重点是如何计算R中两个句子之间的比较，然后设置一个尺度来衡量一对之间的相似度，最后输出一个矩阵。

来源

2014-10-17 user3566160

http://stackoverflow.com/questions/6704499/algorithm-to-compare-similarity-of-english-sentences – KFB 2014-10-17 05:31:15

@KFB谢谢你的建议。我正在寻找一个详细的方法/算法R. – user3566160 2014-10-17 05:35:51

看到我的答案与RecordLinkage这个问题：http://stackoverflow.com/questions/26405895/how-can-i-match-fuzzy-match-strings-from-两个数据集＃26408600 – lawyeR 2014-10-17 10:24:00

我也用stringdist包，但会利用outer和cut来完成这项工作：

library(stringdist) 
dat <- data.frame(
    address = c("mont carlo road,CA", "mont road,IS", "mont carlo road1-11,CA"), 
    id = 1:3 
) 

m <- outer(dat[["address"]], dat[["address"]], stringdist, method="jw") 

m[lower.tri(m)] <- cut(m[lower.tri(m)], 3, labels=1:3) 
m[upper.tri(m)] <- cut(m[upper.tri(m)], 3, labels=1:3) 
dimnames(m) <- list(dat[["id"]], dat[["id"]]) 
diag(m) <- NA 
m 

## 1 2 3 
## 1 NA 3 1 
## 2 3 NA 3 
## 3 1 3 NA

您可以使用任何方法计算距离（?stringdist）。

来源

2014-10-17 13:47:56

您可能会感兴趣在R包stringdist中实现的Levenshtein Distance。例如：

library(stringdist) 
address <- c("mont carlo road,CA", "mont road,IS", "mont carlo road1-11,CA") 
stringdist(address[1], address[2], method="lv") 
[1] 8

然后，您可以定制这些结果矩阵或任何输出你的愿望

来源

2014-10-17 06:17:46 Stedy

回答

相关问题