R - 简单记录链接 - 下一步？

我正在尝试与library('RecordLinkage').

所以我只有一个向量

tv3 = c("TOURDEFRANCE", 'TOURDEFRANCE', "TOURDE FRANCE", 
"TOURDE FRANZ", "GET FRESH") 

我需要的功能是compare.dedup of the library('RecordLinkage')我得到：

compare.dedup(as.data.frame(tv3))$pairs

$pairs
id1 id2 tv3 is_match
1    1   2   1       NA
2    1   3   0       NA
3    1   4   0       NA
4    1   5   0       NA
5    2   3   0       NA
....

我无法找到下一步的文档。然后我如何比较并找到我的相似配对？

于是我找到了距离jarowinkler()但它只返回对。基本上，你只能做jarowinkler(tv3[1], tv3)逐个。

所以我问：您是否需要执行自己的循环才能获得结果，或者是否有更直接的方法compare.dedup功能 ？

mat = matrix(0, length(tv3), length(tv3))

for(j in 1:length(tv3)){
  for(i in 1:length(tv3)){
    { mat[i,j] = jarowinkler(tv3[j], tv3[i]) }
  }
}

相异矩阵

> mat
          [,1]      [,2]      [,3]      [,4]      [,5]
[1,] 1.0000000 1.0000000 0.9846154 0.9333333 0.5240741
[2,] 1.0000000 1.0000000 0.9846154 0.9333333 0.5240741
[3,] 0.9846154 0.9846154 1.0000000 0.9525641 0.5133903
[4,] 0.9333333 0.9333333 0.9525641 1.0000000 0.5240741
[5,] 0.5240741 0.5240741 0.5133903 0.5240741 1.0000000

我想做的事只是属性similar目的 （"TOURDEFRANCE", 'TOURDEFRANCE', "TOURDE FRANCE", "TOURDE FRANZ"），其中一种可能的情况similar对象名称。

我怎样才能设置一个截止点，比方说0.90，在我的相异矩阵上，然后retreive的所有行similar目的 ？

如果我的数据在数据框中

             tv3
1  TOURDEFRANCE
2  TOURDEFRANCE
3 TOURDE FRANCE
4  TOURDE FRANZ
5     GET FRESH

做类似的事情which cut-off > 0.90并检索相应的行？

非常欢迎对这个简单的记录链接的任何帮助！

取自这个帖子 https://stackoverflow.com/q/28884716/2098723，这是一个应该适合您的示例：

tv3 = as.data.frame(c("TOURDEFRANCE", 'TOURDEFRANCE', "TOURDE FRANCE", 
    "TOURDE FRANZ", "GET FRESH"))
colnames(tv3) <- "name"

tv3 %>% compare.dedup(strcmp = TRUE) %>%
        epiWeights() %>%
        epiClassify(0.5) %>%
        getPairs(show = "links", single.rows = TRUE) -> matches

结果，matches数据框应该帮助您确定阈值（设置在epiClassify()).