Essayer différentes méthodes
Parfait, vous avez déjà appris plusieurs méthodes pour calculer des distances entre chaînes. La méthode à utiliser dépend de nombreux facteurs. Il est donc judicieux d'explorer différentes méthodes et leurs paramètres pour mieux les comprendre. Dans cet exercice, vous utiliserez le terme de recherche "Marya Carey" — une version mal saisie du nom "Mariah Carey". À quel point le nom mal orthographié ressemble-t-il au nom réel selon différentes méthodes de distance entre chaînes?
L'objectif est de trouver des paramètres qui donnent une faible distance entre les deux noms décrits ci-dessus, tout en maintenant une grande distance avec les autres noms de la liste qui ne correspondent pas à la personne recherchée.
Cette activité fait partie du cours
Expressions régulières intermédiaires en R
Instructions de l’exercice
- Générez les q-grammes pour des longueurs de sous-chaîne de
1et2. - Calculez la distance entre chaînes entre
searchetnamesavec la méthode q-grammes pour des longueurs de sous-chaîne de1et2. - Calculez la distance entre chaînes entre
searchetnamesen utilisant la méthode"osa".
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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 = "___")