agrep：只返回最佳匹配

Question

我在R中使用'agrep'函数，它返回一个匹配向量。我想要一个类似于agrep的函数，只返回最佳匹配，或者如果有关系，则返回最佳匹配。目前，我正在使用结果向量的每个元素上的'cba'包中的'sdist（）'函数执行此操作，但这似乎非常冗余。

/编辑：这是我目前使用的功能。我想加快速度，因为两次计算距离似乎是多余的。

library(cba) 
word <- 'test' 
words <- c('Teest','teeeest','New York City','yeast','text','Test') 
ClosestMatch <- function(string,StringVector) { 
    matches <- agrep(string,StringVector,value=TRUE) 
    distance <- sdists(string,matches,method = "ow",weight = c(1, 0, 2)) 
    matches <- data.frame(matches,as.numeric(distance)) 
    matches <- subset(matches,distance==min(distance)) 
    as.character(matches$matches) 
} 

ClosestMatch(word,words) 

Answer 1

RecordLinkage包从CRAN取出10倍左右更快，使用stringdist代替：

library(stringdist) 

ClosestMatch2 = function(string, stringVector){ 

    stringVector[amatch(string, stringVector, maxDist=Inf)] 

} 

Answer 2

agrep包使用Levenshtein Distances匹配字符串。软件包RecordLinkage具有C函数来计算Levenshtein距离，它可以直接用于加速您的计算。这是一个经过改进的ClosestMatch功能是

library(RecordLinkage) 

ClosestMatch2 = function(string, stringVector){ 

    distance = levenshteinSim(string, stringVector); 
    stringVector[distance == max(distance)] 

}