R: 想要做一个字典检查，并删除中间不需要的空格，删除空格将使其成为一个合适的单词

Question

我使用R进行文本挖掘，并且具有从不同文本列连接的数据。有些情况下，单词被一个空格分割，比如"functitioning"。我想检测所有这样的情况，并通过字典检查来消除两者之间的空格。我知道aspell中的splitWords函数，我想要一个与它完全相反的函数。

Answer 1

这里有一种方法，基于我发现的一些代码，但您需要提供一些示例文本，甚至只是伪代码来帮助其他人做出响应。

首先创建一个对象，该对象包含一组拼写正确的单词。然后，将单词向量与adist的集合进行比较，并将参数集与单个差异进行比较——理想情况下，是要删除的内部空格。我怀疑这是否能解决一切问题，但它可能会有所帮助。

sorted_words <- comments(sort(table(strsplit(tolower(paste(readLines("http://www.norvig.com/big.txt"), collapse = " ")), "[^a-z]+")), decreasing = TRUE))
correct <- function(*your vector*) { c(sorted_words[adist(*your vector*, sorted_words) <= min(adist(word, sorted_words), 2)], word)[1] }

然后使用correct函数。