计算距离定义词的单词出现次数

Question

我有一个文本字符串向量，例如：

Sentences <- c("Lorem ipsum dolor sit amet, WORD consetetur LOOK sadipscing elitr, sed diam nonumy.",
               "Eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua.",
               "At vero eos LOOK et accusam et justo duo WORD dolores et ea rebum." ,
               "Stet clita kasd gubergren, no sea takimata sanctus est Lorem WORD ipsum dolor sit amet.",
               "Lorem ipsum dolor sit amet, consetetur sadipscing LOOK elitr, sed diam nonumy eirmod tempor.",
               "Invidunt ut labore et WORD dolore magna aliquyam erat, sed LOOK diam voluptua." ,
               "Duis autem vel eum iriure dolor in hendrerit in LOOK vulputate velit esse LOOK molestie consequat.",
               "El illum dolore eu feugiat nulla LOOK WORD",
               "Facilisis at LOOK vero eros et accumsan et WORD iusto LOOK odio dignissim quit.",
               "Blandit LOOK praesent WORD LOOK luptatum zzril delenit augue duis dolore te feugait nulla facilisi.")

我想 COUNT 个特定单词（例如：'LOOK'），n 个词（例如：三个）到 定义的术语 （例如：'WORD'）的最大距离。换句话说：特定词在 n 个词到定义术语的最大距离内出现的频率。

结果应如下所示（最大距离：三）：

Result <- c(1,0,0,0,0,0,0,1,1,2)

提前谢谢你。

Answer 1

这是一个可能的解决方案。我们编写一个函数，将句子、要比较的词和最大距离（默认为 3）作为输入。我们拆分该字符串以获得单词向量，并找到该向量中两个单词的位置。使用 expand.grid，然后我们创建一个包含所有单词位置组合的 data.frame，并找出距离小于最大距离的频率。然后返回该数字。

word1='LOOK'
word2='WORD'

count_word_dist <- function(x,word1,word2,max_dist=3)
{
  x = strsplit(x," ")[[1]]
  w1 = which(x==word1)
  w2 = which(x==word2)
  if(length(w1) >0 & length(w2)>0)
    return(sum(with(expand.grid(w1,w2),abs(Var1-Var2))<=max_dist))
  else
    return(0)
}

result = unname(sapply(Sentences,function(y) {count_word_dist(y,word1,word2)}))

输出：

> result
 [1] 1 0 0 0 0 0 0 1 1 2

希望对您有所帮助！

计算距离定义词的单词出现次数

Count Word Occurrence in Distance to Defined Term

r

text

tm