如果我有一个名称向量,请说:
a = c("tom", "tommy", "alex", "tom", "alexis", "Alex", "jenny", "Al", "michell")
我想使用levenshteinSim
或类似来获得此向量中的相似性分数。但是,我不希望它自我评分。例如,"tom" #1
对"tom" #3
得分。而不是为"tom" #1
对"tom" #1
返回分数,以免自我得分。
我以前用两个不同的向量a
和b
做过。但是,如果我将其用于相同的向量,那么"tom" #1
将针对"tom" #1
得分,这就是我想避免的。
有没有办法做到这一点?
您可以使用combn
生成a
的所有无序元素对:
a <- c("tom", "tommy", "alex", "tom", "alexis", "Alex", "jenny", "Al", "michell")
df <- data.frame(t(combn(a, 2)), stringsAsFactors = FALSE)
df$sim <- RecordLinkage::levenshteinSim(df$X1, df$X2)
head(df)
# X1 X2 sim
# 1 tom tommy 0.6
# 2 tom alex 0.0
# 3 tom tom 1.0
# 4 tom alexis 0.0
# 5 tom Alex 0.0
# 6 tom jenny 0.0