如何从相互满足最大字符串距离标准的大矩阵中返回字符串对列表？答案

【问题标题】：How to return a list of pairs of strings from a large matrix that mutually satisfy a maximum stringdistance criterion?如何从相互满足最大字符串距离标准的大矩阵中返回字符串对列表？
【发布时间】：2021-01-18 16:29:24
【问题描述】：

我正在尝试以一种方式呈现人工输入的单词，使它们的分组更容易被识别为指的是同一事物。本质上是一个拼写检查器。我已经制作了一个大矩阵（实际的矩阵是 250 * 250 ish）。该矩阵的代码与下面给出的可重现示例相同。（我用随机词生成器填充了它，实际值更有意义但保密）

strings <- c("domineering","curl","axiomatic","root","gratis","secretary","lopsided","cumbersome","oval","mighty","thaw","troubled","furniture","round","soak","callous","melted","wealthy","sweltering","verdant","fence","eyes","ugliest","card","quickest","harm","brake","alarm","report","glue","eyes","hollow","quince","pack","twig","knot")

matrix <- stringdistmatrix(strings, strings, useNames = TRUE)

现在我想创建一个包含两个变量的新表，第一列必须包含成对的“字符串”元素，它们满足字符串距离小于某个数字的条件，例如本示例中的某个数字（stringdist

我感觉这需要 apply 某种函数，但我不知道。

干杯。

【问题讨论】：

标签： r stringdist

【解决方案1】：

以下基于 tidyverse 的解决方案应该可以解决问题。

请注意，最后一行是为了便于查看结果。我认为这对您的目的没有必要。如果您确实想保留它，我建议您将其包含在“pair”的初始制作中。

library(stringdist)
library(dplyr)
library(tibble)
library(tidyr)
library(purrr)
library(stringr)

matrix %>%
  as_tibble() %>%
  mutate(X = colnames(.), .before = 1) %>%
  pivot_longer(-X) %>%
  filter(value %in% 1:7) %>%
  transmute(pair = map2(X, name, ~ sort(c(.x, .y))),
            stringDist = value) %>%
  distinct(pair, stringDist) %>%
  mutate(pair = map_chr(pair, ~ str_c(., collapse = '_')))

# A tibble: 451 x 2
#   pair                   stringDist
#   <chr>                       <dbl>
# 1 domineering_sweltering          6
# 2 curl_root                       4
# 3 curl_gratis                     6
# 4 curl_secretary                  7
# 5 cumbersome_curl                 7
# 6 curl_oval                       3
# 7 curl_mighty                     6
# 8 curl_thaw                       4
# 9 curl_troubled                   6
# 10 curl_furniture                 7

【讨论】：

谢谢，这个解决方案很棒。我做了更多的研究，发现有人在reshape2 中使用melt 函数。只需两行代码就可以非常接近，例如:X <- melt(X) ; X <- X[X$value <= 4 & X$value != 0,] 问题是这仍然包括字符串对的反射，你有什么想法如何在这个方法中解决这个问题吗？
不客气@Jose_harkhan。我很高兴它解决了你的问题。我不熟悉melt() 的使用。对于它的价值：我发布的解决方案所做的很多工作都是为了消除反射。
所以我可以看到！如果您能阐明消除反射的工作原理，将不胜感激。另外我想知道是否可以对矩阵进行任何处理，使其成为三角形，或者在 dyplr（等）操作之前用零填充一个三角形。

【解决方案2】：

这也能起到作用

matrix[lower.tri(matrix)] <- 0
matrix_melt <- melt(matrix)
matrix_melt %>%
    filter(value %in% 1:7)

【讨论】：