RecordLinkage - R一个向量。不符合自我

Question

如果我有名字的一个载体，说：

a = c("tom", "tommy", "alex", "tom", "alexis", "Alex", "jenny", "Al", "michell") 

我想使用levenshteinSim或类似的得到这个矢量中的相似性得分。但是，我不想让它自我评分。例如，"tom" #1得分为"tom" #3。并且不要为"tom" #1反对"tom" #1得分，所以不要自我评分。

我以前用两种不同的载体a和b完成了它。然而，如果我使用这个相同的载体，然后"tom" #1将得分反对"tom" #1这是我想要避免。

有没有办法做到这一点？

Answer 1

您可以使用combn生成所有无序对a元素：

a <- c("tom", "tommy", "alex", "tom", "alexis", "Alex", "jenny", "Al", "michell") 

df <- data.frame(t(combn(a, 2)), stringsAsFactors = FALSE) 
df$sim <- RecordLinkage::levenshteinSim(df$X1, df$X2) 

head(df) 
# X1  X2 sim 
# 1 tom tommy 0.6 
# 2 tom alex 0.0 
# 3 tom tom 1.0 
# 4 tom alexis 0.0 
# 5 tom Alex 0.0 
# 6 tom jenny 0.0