LevenshteinDist Función de script y de gráfico

Descripción general

Abra el Editor de carga de datos y añada el script de carga inferior en una nueva sección.

El script de carga contiene:

• Un conjunto de datos que se carga en una tabla de datos denominada Example.

• Un campo de la tabla de datos llamado InputText.

Script de carga

Example:
Load * inline [
InputText
Sliver
SSiver
SSiveer
];

Resultados

Cargue los datos y abra una hoja. Cree una nueva tabla y agregue este campo como dimensión:

• InputText

Cree la siguiente medida:

• =LevenshteinDist('Silver', InputText), para calcular el número mínimo de ediciones de un solo carácter necesarias para cambiar el valor de la cadena de InputText a la palabra Silver.

El resultado de la función LevenshteinDist devuelve el número de cambios necesarios para cambiar el texto introducido InputText al texto deseado, Silver. Por ejemplo, la primera fila requiere dos cambios para modificar la palabra Sliver a Silver. La segunda fila requiere 3 cambios: 1) Eliminar el carácter extra S. 2) Eliminar el carácter adicional e. 3) Insertar un nuevo carácter l.

Descripción general

Este ejemplo consolida nombres de productos procedentes de diferentes sistemas. Los nombres de los productos no siempre utilizan la misma ortografía debido a errores tipográficos, abreviaturas, espaciado u otras variaciones. Utilizando la función LevenshteinDist, puede medir la similitud entre dos nombres de producto e identificar cuáles se refieren probablemente al mismo producto, aunque los nombres no sean idénticos.

Abra el Editor de carga de datos y añada el script de carga inferior en una nueva sección.

El script de carga contiene:

• Un conjunto de datos que se carga en una tabla de datos denominada Example.

• Los siguientes campos de la tabla de datos:

  • ProductA

  • ProductB

Script de carga

Example:
Load * inline [
ProductA, ProductB
Coca Cola 330ml, CocaCola 330 ml
Pepsi 500 ml, Pepsi 500ml
Sprite Zero 600 ml, SpriteZero600ml
Red Bull 250ml, Redbull 250ml
];

Resultados

Cargue los datos y abra una hoja. Cree una nueva tabla y agregue estos campos como dimensiones:

• ProductA

• ProductB

Cree la siguiente medida:

• =LevenshteinDist(ProductA, ProductB), para calcular el número mínimo de ediciones de un solo carácter necesarias para cambiar el valor de la cadena de caracteres ProductB para que coincida con ProductA.

La distancia de Levenshtein es un tipo de correspondencia difusa muy utilizada en correctores ortográficos, sistemas de reconocimiento óptico de caracteres y sistemas de corrección en ámbitos como la gestión de datos de clientes, los sistemas de inventario y el tratamiento de documentos, en los que se producen con frecuencia ligeras variaciones en el texto.

Script de carga

Example:
Load *, recno() as ID;
Load 'Silver' as String_1,* inline [
String_2
Sliver
SSiver
SSiveer ];

Example:
Load *, recno()+3 as ID;
Load 'Gold' as String_1,* inline [
String_2
Bold
Bool
Bond ];

Example:
Load *, recno()+6 as ID;
Load 'Ove' as String_1,* inline [
String_2
Ove
Uve
Üve ];

Example:
Load *, recno()+9 as ID;
Load 'ABC' as String_1,* inline [
String_2
DEFG
abc
ビビビ ];

set nullinterpret = '<NULL>';
Example:
Load *, recno()+12 as ID;
Load 'X' as String_1,* inline [
String_2
''
<NULL>
1 ];

R1:
Load
ID,
String_1,
String_2,
LevenshteinDist(String_1, String_2) as LevenshteinDistance
resident Example;

Drop table Example;