R语言字符串相似度 stringdist包

JLOGAN

于 2016-10-19 14:32:10 发布

阅读量6.8k

点赞数 1

分类专栏：数据挖掘大数据工具文章标签： r语言字符串相似度

本文链接：https://blog.csdn.net/ASSaSSINangJIE/article/details/52859157

版权

计算字符串相似度可以使用utils包中的adist函数，或者MKmisc包中的stringdist函数，或者RecordLinkage包中也有如jarowinkler之类的距离函数。本文介绍stringdist包中的stringdist函数和stringdistmatrix函数。
stringdist包作者是 Mark der Loo
stringdist用于计算对象a，b中的字符串两两之间的相似度，对于一个对象中的元素少于另一个的情况，采用循环补齐机制。stringdistmatrix的出相似度矩阵，其中采用a中的行，b中的列。

stringdist(a, b, method = c("osa", "lv", "dl", "hamming", "lcs", "qgram", "cosine", "jaccard", "jw", "soundex"), useBytes = FALSE, weight = c(d = 1, i = 1, s = 1, t = 1), maxDist = Inf, q = 1, p = 0, nthread = getOption("sd_num_thread"))

stringdistmatrix(a, b, method = c("osa", "lv", "dl", "hamming", "lcs", "qgram", "cosine", "jaccard", "jw", "soundex"), useBytes = FALSE, weight = c(d = 1, i = 1, s = 1, t = 1), maxDist = Inf, q = 1, p = <