R tm包余弦相似度

Question

我正在尝试使用R tm软件包来解决字符串比较问题（单字字符串，而不是多字文本）。 在这些方面，我已经使用了Levenshtein距离可以给我带来有意义的结果，但是我并不完全满意。 在阅读了一篇我觉得很有趣的文章之后，我现在正尝试使用余弦相似度。

我已经研究了文档，并且阅读了一些文章，但是目前看来，我还不了解算法功能。

当我将术语作为单词使用时，我就可以使用它。

例如

import sys, subprocess
sys.stdout.write("Prefix: ")
response = subprocess.check_output(["cmd", "--option", "filename.x"])
sys.stdout.write(response.decode("UTF-8"))
sys.stdout.flush()

但是我无法要求系统对待每个字母 docs <- c ("open letters", "closed letters", "letters) terms <- "open", "closed", "letters")

这将导致使用术语文档矩阵进行字符串比较。 但是也许已经有我的错误了。

在tm中实现单个单词字符串比较会是什么？

感谢您的帮助， P.s.我没有发布代码，因为这是一个更普遍的问题，但是我可以创建一个例子以防万一。

尼古拉

这是根据建议的工作代码：

c ("a", "b", "c", "d")

Answer 1

这是我所能做的。 给一个文档，在我的情况下为“ doc”字符串向量，系统将为我提供TDM矩阵，如果完全激活匹配项（例如，关闭->关闭门），则条件为1，但门与oor不匹配。

示例：

library(tm)
doc <- c( "closed door", "Open door", "door", "doo", "oor", "house" )
doc_corpus <- Corpus( VectorSource(doc) )
control_list <- list(removePunctuation = TRUE, tolower = TRUE)
tdm <- TermDocumentMatrix(doc_corpus,  control_list)
tf <- as.matrix(tdm)

关键是我已经阅读过，我也可以这样做，因为术语是单个字母，我想确认这是否有可能

因此要构建一个TDM，然后建立余弦距离以计算弦之间的距离。 但是我找不到任何文档。

感谢您的帮助， 尼古拉