以百分比计算字符串相似度答案

【问题标题】：Calculating string similarity as a percentage以百分比计算字符串相似度
【发布时间】：2018-03-08 20:38:01
【问题描述】：

给定的函数使用 R 中的“stringdist”包，并告知将一个字符串更改为另一个字符串所需的最小更改。我希望以“%”格式找出一个字符串与另一个字符串的相似程度。请帮助我，谢谢。

stringdist("abc","abcd", method = "lv")

【问题讨论】：

也许this answer 会有用。这实际上取决于您对相似性的定义。

标签： r stringdist

【解决方案1】：

这样的事情可能会奏效：

d <- data.frame(original = c("abcd", "defg", "hij"), new = c("abce", "zxyv", "hijk"))
d$dist <- stringdist(d$original, d$new, method = "lv")
d$similarity <- 1 - d$dist / nchar(as.character(d$original))

#### Returns:
####   original  new dist similarity
#### 1     abcd abce    1  0.7500000
#### 2     defg zxyv    4  0.0000000
#### 3      hij hijk    1  0.6666667

【讨论】：

嘿，非常接近，如果我看到你的第一个字符串，我应该得到 0.75 而不是 0.25，这表示字符串之间的 75% 相似性，同样第二个字符串应该是 0%，因为它们完全不同。感谢您的帮助。
我已将答案更改为计算相似度而不是距离。
我需要百分比的相似度数字，非常感谢您的帮助
“百分比”是什么意思？如果您想要 75 而不是 0.75，您可以将结果乘以 100。还是您需要的其他东西？
非常感谢您的帮助。

【解决方案2】：

你可以使用RecordLinkage包并使用函数levenshteinSim，即

#This gives the similarity
RecordLinkage::levenshteinSim('abc', 'abcd')
#[1] 0.75

#so to get the distance just subtract from 1, 
1 - RecordLinkage::levenshteinSim('abc', 'abcd')
#[1] 0.25

【讨论】：

我不知道这个包 - 真的很酷。根据文档，甚至还有一个函数levenshteinDist可以直接计算距离。
@A.Stam 是的。但是，该距离未标准化
我只需要这个，你能给我同样的结果吗
嗨，我想知道，使用 scales 包的 percent(1:10) 给我的值是 % 但字符数据类型，我希望用 % 表示数字，但也要使这个数字，请帮助.
您不能在值后面加上符号% 并将其设置为数字。这就是为什么我们将百分比写成0,...。

【解决方案3】：

这是基础 R 中的一个函数。我添加了对长度相等的向量作为输入的检查。如果需要，您可以更改此逻辑。

strSim <- function(v1, v2) {
            if(length(v1) == length(v2)) 1 - (adist(v1, v2) / pmax(nchar(v1), nchar(v2)))
            else stop("vector lengths not equal")}

strSim("abc", "abcd")
     [,1]
[1,] 0.75

【讨论】：