如何使用用户定义的单词数据框更正 R 中拼写错误的单词答案

【问题标题】：How to correct the mispelt words in R with a user defined words datarame如何使用用户定义的单词数据框更正 R 中拼写错误的单词
【发布时间】：2020-02-01 17:12:01
【问题描述】：

我喜欢在以前的帖子中提出过类似的问题，但我觉得我的要求很特殊。我有一个数据框，其中包含一个由销售代表报告的拼写错误术语。

报告的条款。

abdmen pain
abdomane pain

我有另一个手动更正的数据框。

Wrong spell Correct spell
abdmen      abdomen
abdomane    abdomen
abdome      abdomen
abdumen     abdomen
abodmen     abdomen
adnomen     abdomen
aabdominal  abdominal
abdominal   abdominal

现在我需要更正报告术语中的拼写如下：

Reported terms
abdomen pain
abdomen pain

请有人告诉我完成这项任务的最佳方法是什么。提前感谢您的反馈

【问题讨论】：

标签： r replace tidyverse text-mining stringr

【解决方案1】：

这可能是要走的路......

输入

#your current list of entries
incorrect = list("abdmen pain" , "abdomane pain")

# [[1]]
# [1] "abdmen pain"
# 
# [[2]]
# [1] "abdomane pain"

代码

library(magrittr) #for pipe operator
library(stringdist)

#list of all possible correct entries
correct = list("abdomen pain", "abdominal pain")

#calculate stringdistance between incorrect and correct, 
# take the solution with the smallest stringdistance as answer
lapply(incorrect, function(x) {
  lapply(correct, function(y) {
    stringdist(x,y)
  }) %>% unlist() %>% which.min() %>% correct[[.]]
})

输出

# [[1]]
# [1] "abdomen pain"
# 
# [[2]]
# [1] "abdomen pain"

【讨论】：

我想将“报告的术语”中的单词与错误的拼写单词匹配，然后更新与错误拼写单词相对的正确拼写单词。我已经相应地编写了代码以满足我的要求，但它没有按照预期的输出工作。报告术语_2 = list() for (i in df1$reported_term){ j

【解决方案2】：

即使将每个单词都与综合字典进行比较，文本校正也非常困难，您永远不知道未包含的单词是否拼写错误，名称等。

那是说你怎么能解决你的问题？

您必须编写允许/更正单词的字典！
您必须使用单词距离将未清理数据框中的每个单词与字典进行比较。您可以使用现有的库like this one 或编写自己的代码，因为公式并不难。
将比较中的每个单词替换为字典中高于某个归一化距离理论阈值（lv-距离/源单词长度）的匹配项。

【讨论】：