Experimentează cu diferite metode

Excelent, ai învățat deja mai multe metode de calcul al distanțelor dintre șiruri. Alegerea metodei potrivite depinde de mulți factori, așa că e o idee bună să explorezi diferitele metode și parametrii lor pentru a le cunoaște mai bine. În acest exercițiu vei folosi termenul de căutare "Marya Carey" – o versiune greșit tastată a numelui "Mariah Carey". Cât de similar este numele greșit față de cel real, în funcție de diferitele metode de distanță dintre șiruri?

Scopul este să găsești parametri care să producă o distanță mică între cele două nume descrise mai sus, menținând în același timp o distanță mare față de celelalte nume din listă care nu corespund persoanei căutate.

Acest exercițiu face parte din cursul

Expresii regulate intermediare în R

Vezi cursul

Instrucțiuni pentru exercițiu

Generează q-gramele pentru lungimi de subșir de 1 și 2.
Calculează distanța dintre șirurile search și names folosind metoda q-gram pentru lungimi de subșir de 1 și 2.
Calculează distanța dintre șirurile search și names folosind metoda "osa".

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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 = "___")

Editează și rulează codul