Vyzkoušení různých metod
Výborně, už znáš několik metod výpočtu vzdálenosti řetězců. Která metoda je nejvhodnější, závisí na mnoha okolnostech – proto se vyplatí různé metody a jejich parametry trochu prozkoumat a vyzkoušet. V tomto cvičení použiješ hledaný výraz "Marya Carey" – chybně napsanou verzi jména "Mariah Carey". Jak podobné je chybně napsané jméno tomu správnému při použití různých metod výpočtu vzdálenosti řetězců?
Cílem je najít parametry, které pro tato dvě jména vrátí malou vzdálenost, a zároveň zachovají velkou vzdálenost od ostatních jmen v seznamu, která hledanou osobu nepředstavují.
Toto cvičení je součástí kurzu
Intermediate Regular Expressions in R
Pokyny k cvičení
- Vygeneruj q-gramy pro délky podřetězců
1a2. - Vypočítej vzdálenost řetězců mezi
searchanamespomocí metody q-gramů pro délky podřetězců1a2. - Vypočítej vzdálenost řetězců mezi
searchanamespomocí metody"osa".
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
search <- "Mariah Carey"
names <- c("M. Carey", "Mick Jagger", "Michael Jackson")
# Pass the values 1 and 2 as "q" and inspect the qgrams
qgrams("Mariah Carey", "M. Carey", q = ___)
qgrams("Mariah Carey", "M. Carey", q = ___)
# Try the qgram method on the variables search and names
stringdist(___, ___, method = "___", q = 1)
stringdist(___, ___, method = "___", q = 2)
# Try the default method (osa) on the same input and compare
stringdist(___, ___, method = "___")