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!