LevenshteinDist - función de script y de gráfico

Vista general

Abra el editor de carga de datos y agregue el script de carga a continuación a una nueva pestaña.

El script de carga contiene:

• 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

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

El resultado de salida de la función LevenshteinDist devuelve el número de cambios necesarios para cambiar el InputText al texto esperado, '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'.

Vista 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 agregue el script de carga a continuación a una nueva pestaña.

El script de carga contiene:

• • 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

• =LevenshteinDist(ProductA, ProductB), para calcular el número mínimo de ediciones de un solo carácter necesarias para cambiar los valores de las cadenas de ProductB para que coincidan 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.

Load script

T1: Load *, recno() as ID; Load 'Silver' as String_1,* inline [ String_2 Sliver SSiver SSiveer ];  T1: Load *, recno()+3 as ID; Load 'Gold' as String_1,* inline [ String_2 Bold Bool Bond ];  T1: Load *, recno()+6 as ID; Load 'Ove' as String_1,* inline [ String_2 Ove Uve Üve ];  T1: Load *, recno()+9 as ID; Load 'ABC' as String_1,* inline [ String_2 DEFG abc ビビビ ];  set nullinterpret = '<NULL>'; T1: 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 T1;  Drop table T1; 

Result