r - 计算两个字符串中的常见单词

Question

我有两个字符串:

a <- "Roy lives in Japan and travels to Africa"
b <- "Roy travels Africa with this wife"

我正在寻找这些字符串之间常用单词的计数。

答案应该是3。

“罗伊”

“旅行”

《非洲》

作为常用词

这是我尝试过的:

stra <- as.data.frame(t(read.table(textConnection(a), sep = " ")))
strb <- as.data.frame(t(read.table(textConnection(b), sep = " ")))

取唯一以避免重复计数

stra_unique <-as.data.frame(unique(stra$V1))
strb_unique <- as.data.frame(unique(strb$V1))
colnames(stra_unique) <- c("V1")
colnames(strb_unique) <- c("V1")

common_words <-length(merge(stra_unique,strb_unique, by = "V1")$V1)

对于包含 2000 多个和 1200 个字符串的数据集，我需要这样做。
我必须评估字符串的总次数是 2000 X 1200。任何快速方法，不使用循环。

Answer 1

您可以使用 strsplit 和 intersect 来自 base图书馆:

> a <- "Roy lives in Japan and travels to Africa"
> b <- "Roy travels Africa with this wife"
> a_split <- unlist(strsplit(a, sep=" "))
> b_split <- unlist(strsplit(b, sep=" "))
> length(intersect(a_split, b_split))
[1] 3