是否有用于计算具有阈值（maxDist）的快速 Levenshtein 距离的 R 函数答案

【问题标题】：Is there an R function for computing fast Levenshtein distance with threshold (maxDist)是否有用于计算具有阈值（maxDist）的快速 Levenshtein 距离的 R 函数
【发布时间】：2021-10-25 08:57:21
【问题描述】：

我正在寻找一个 R 函数，如果 Levenshtein 距离小于阈值，它会返回两个字符串的 Levenshtein 距离，并且通过不计算大于阈值的 Levenshtein 距离来节省时间。阈值是给定的，应该在 2 到 10 之间。起初，我认为使用阈值可以节省很多计算时间，但我对此不再那么确定了。我尝试使用 stringdist 包中的 amatch 和 maxDist 参数，但与不使用阈值相比，它似乎没有加速算法。

【问题讨论】：

提供一个最小可重现的例子。

标签： r string levenshtein-distance

【解决方案1】：

有一个名为RecordLinkage 的包，其中包括levenshteinSim 和levenshteinDist 函数。

此软件包已过期，但可以与old versions 的源文件一起安装。

这里是RecordLinkagepackage manifest;的levenshteinSim功能说明

Details
String metrics compute a similarity value in the range [0, 1] for two strings, with 1 denoting the
highest (usually equality) and 0 denoting the lowest degree of similarity. In the context of Record
Linkage, string similarities can improve the discernibility between matches and non-matches.
jarowinkler is an implementation of the algorithm by Jaro and Winkler (see references). For the
meaning of W_1, W_2, W_3 and r see the referenced article. For most applications, the default values
are reasonable.
levenshteinDist returns the Levenshtein distance, which cannot be directly used as a valid string
comparator. levenshteinSim is a similarity function based on the Levenshtein distance, calculated
by 1 −
d(str1,str2)
max(A,B)) , where d is the Levenshtein distance function and A and B are the lenghts of the
strings.
Arguments str1 and str2 are expected to be of type "character".

您可以通过这种方式使用 .tar.gz 从源文件安装软件包；

How do I install an R package from source?

【讨论】：