Plus rapide pour la boucle pour le match floue

Question

Voici un script simple pour la correspondance floue que j'ai écrite. Il y a environ 24 000 mots-clés dans le fichier d'entrée et environ 900 000 dans la liste principale.

Actuellement, le traitement des 24 000 mots-clés prend beaucoup de temps. Des idées comment je peux éliminer la boucle for en faveur de quelque chose de beaucoup plus rapide?

> #=====Install Packages====# 
library(stringdist) 
> 
> #=====Import Master List======# 
master_list = 
> read.csv('/Documents/Keywords Search Terms 
> Tool/input/master/Master List.csv') 
> 
> #=====Import Input File=====# input_data = 
> read.csv('/Documents/Keywords Search Terms 
> Tool/input/test_input_file.csv') 
> 
> #=====Fuzzy Matching for Keywords=====# 
> #Convert to Characters 
master_list$Keyword<-as.character(master_list$Keyword) 
> input_data$Keyword<-as.character(input_data$Keyword) 
> 
> #Perform Matching 
fuzzy_match = data.frame() 
> 
> for (i in 1:nrow(input_data)){ new_word = subset(input_data, Keyword 
> == input_data$Keyword[i]) new_word$match_dummy = ain(new_word$Keyword,master_list$Keyword) fuzzy_match <- 
> rbind(fuzzy_match,new_word) } 

Answer 1

Essayez de jouer avec la fonction stringdistmatrix. Il est parallélisé.

library(stringdist)  
stringdistmatrix(c('a', 'b', 'c'), c('a', 'b', 'c')) 

mises à jour selon un commentaire:

Essayez quelque chose comme:

ain(c('a', 'd'), c('a', 'b', 'c')) 

Cela donne:

TRUE FALSE