重複した要素を持つRuby配列交差を返す方法は? (サイコロ係数のバイグラムの問題)
-
05-07-2019 - |
質問
Dice's Coefficientのスクリプトを作成しようとしていますが、配列の交差点に少し問題があります。
def bigram(string)
string.downcase!
bgarray=[]
bgstring="%"+string+"#"
bgslength = bgstring.length
0.upto(bgslength-2) do |i|
bgarray << bgstring[i,2]
end
return bgarray
end
def approx_string_match(teststring, refstring)
test_bigram = bigram(teststring) #.uniq
ref_bigram = bigram(refstring) #.uniq
bigram_overlay = test_bigram & ref_bigram
result = (2*bigram_overlay.length.to_f)/(test_bigram.length.to_f+ref_bigram.length.to_f)*100
return result
end
問題は、&amp;重複を削除すると、次のようなものが得られます。
string1="Almirante Almeida Almada"
string2="Almirante Almeida Almada"
puts approx_string_match(string1, string2) => 76.0%
100を返す必要があります。
uniqメソッドはそれを打ち消しますが、情報の損失があり、作業中の特定のデータセットに不要な一致をもたらす可能性があります。
すべての重複が含まれる交差点を取得するにはどうすればよいですか
解決
Yuval F
が言ったように、 multiset
を使用する必要があります。ただし、Ruby標準ライブラリには multiset
はありません。こちらおよびこちら。
アプリケーションのパフォーマンスがそれほど重要ではない場合でも、少しのコードで Array
を使用して実行できます。
def intersect a , b
a.inject([]) do |intersect, s|
index = b.index(s)
unless index.nil?
intersect << s
b.delete_at(index)
end
intersect
end
end
a= ["al","al","lc" ,"lc","ld"]
b = ["al","al" ,"lc" ,"ef"]
puts intersect(a ,b).inspect #["al", "al", "lc"]
他のヒント
しばらくの間、@ pierrからの回答に基づいてこれをいじりましたが、結局これになりました。
a = ["al","al","lc","lc","lc","lc","ld"]
b = ["al","al","al","al","al","lc","ef"]
result=[]
h1,h2=Hash.new(0),Hash.new(0)
a.each{|x| h1[x]+=1}
b.each{|x| h2[x]+=1}
h1.each_pair{|key,val| result<<[key]*[val,h2[key]].min if h2[key]!=0}
result.flatten
=&gt; [&quot; al&quot;、&quot; al&quot;、&quot; lc&quot;】
これは、 a
&amp;のマルチセット交差のようなものです。 b
ですが、十分なテストを行っていないので、言葉を口にしないでください。
所属していません StackOverflow