Calculer la similarité de Jaccard entre chaque mot dans 2 vecteurs

Question

J'ai besoin de calculer la similarité de Jaccard entre chaque mot de 2 vecteurs. Chaque mot par chaque mot. Et extraire le mot le plus similaire.

Voici mon Slightly lent Code:

txt1 <- c('The quick brown fox jumps over the lazy dog') 
txt2 <- c('Te quick foks jump ovar lazzy dogg') 

words <- strsplit(as.character(txt1), " ") 
words.p <- strsplit(as.character(txt2), " ") 

r <- length(words[[1]]) 
c <- length(words.p[[1]]) 

m <- matrix(nrow=r, ncol=c) 
for (i in 1:r){ 
    for (j in 1:c){ 
    m[i,j] = stringdist(tolower(words.p[[1]][j]), tolower(words[[1]][i]), method='jaccard', q=2) 
    } 
} 

ind <- which(m == min(m))-nrow(m) 
words[[1]][ind] 

S'il vous plaît me aider à améliorer et embellir ce code pour une grande trame de données.

Answer 1

Préparation (ajouté tolower ici):

txt1 <- c('The quick brown fox jumps over the lazy dog') 
txt2 <- c('Te quick foks jump ovar lazzy dogg') 

words <- unlist(strsplit(tolower(as.character(txt1)), " ")) 
words.p <- unlist(strsplit(tolower(as.character(txt2)), " ")) 

Obtenez des distances pour chaque mot:

dists <- sapply(words, Map, f=stringdist, list(words.p), method="jaccard") 

Pour chaque mot words trouver le mot le plus proche de words.p:

matches <- words.p[sapply(dists, which.min)] 

cbind(words, matches) 
       matches 
[1,] "the" "te" 
[2,] "quick" "quick" 
[3,] "brown" "ovar" 
[4,] "fox" "foks" 
[5,] "jumps" "jump" 
[6,] "over" "ovar" 
[7,] "the" "te" 
[8,] "lazy" "lazzy" 
[9,] "dog" "dogg" 

EDIT:

Pour obtenir la meilleure paire de mots correspondant vous devez d'abord sélectionner la distance minimale de chaque mot words à tous les mots words.p:

mindists <- sapply(dists, min) 

Cela obtenir vos meilleures distances possibles pour chaque mot. Ensuite, vous sélectionnez le mot de words avec la distance minimale:

words[which.min(mindists)] 

Ou en une ligne:

words[which.min(sapply(dists, min))]