Prezado Leandro, talvez seja interessante usar algum algoritmo que trabalhe com a distancia de Levenshtein para considerar erros de grafia. O pacote vwr implementa esta métrica. um abraço, Pedro Em 07/06/2011 15:30, Lucas Venezian Povoa escreveu:
Leandro,
Não sei se será útil para você. Mas saber quais frases contém determinado conteúdo pode ser feito da seguinte maneira:
frases <- c( "Eu tenho um gato", "Meucachorro é legal", "Meu cachorro é legal", "Meucachorroélegal" ); frases[which( regexpr( "(.)*cachorro(.)*", frases ) == 1)];
Com esses comandos serão exibidas somente as frases que possuem a cadeia cachorro.
Sobre os erros de grafia você pode procurar sobre busca fonética. Isso é uma técnica utilizada para melhorar a performance de consultas e para preparar o sistema para buscar dados mesmo quando a entrada possuir erros. Por exemplo, se eu buscar Tonny, o sistema retornará Toni, Tonni, Tony e assim por diante. Porém, essa técnica eu não sei se possui implementação em R (sei que existe em java e php).
Espero que te ajude.
Att.
On 06/07/2011 03:00 PM, Leandro Marino wrote:
Gustavo, obrigado por ajudar.
Aproveitando a função que estou desenvolvendo, gostaria de saber como localizar determinado texto no meio de uma frase. Ex.: Quero todos que tenham citado a palavra “cachorro” em qualquer posição de uma palavra. Acredito que seria possível, mas não sei trabalhar com expressões regulares.
Atenciosamente, *Leandro Lins Marino** */Centro de Avaliação// //Fundação CESGRANRIO// //Rua Santa Alexandrina, 1011 - 2º andar// //Rio de Janeiro, RJ - CEP: 20261-903// //(////(21) 2103-9600 R.:236 // //*//leandro@cesgranrio.org.br <mailto:leandro@cesgranrio.org.br>/
P***Antes de imprimir**pense em sua responsabilidade e compromisso com o**MEIO AMBIENTE*
Esta mensagem, incluindo seus anexos, pode conter informacoes privilegiadas e/ou de carater confidencial, nao podendo ser retransmitida sem autorizacao do remetente. Se voce nao e o destinatario ou pessoa autorizada a recebe-la, informamos que o seu uso, divulgacao, copia ou arquivamento sao proibidos.
Portanto, se você recebeu esta mensagem por engano, por favor, nos informe respondendo imediatamente a este e-mail e em seguida apague-a.
*De:*r-br-bounces@listas.c3sl.ufpr.br [mailto:r-br-bounces@listas.c3sl.ufpr.br] *Em nome de *Gustavo Henrique de Carvalho *Enviada em:* terça-feira, 7 de junho de 2011 14:29 *Para:* r-br@listas.c3sl.ufpr.br *Assunto:* Re: [R-br] Semelhança de textos
?agrep
Tem uma ferramente homônima no Linux/Mac OS X e etc que também é bastante poderosa, especialmente combinada com awk, sed, grep, etc.
2011/6/7 Leandro Marino <leandro@cesgranrio.org.br <mailto:leandro@cesgranrio.org.br>>
Caros,
Alguém saberia me dizer se o R tem alguma função implementada que forneça um percentual de concordância de textos dentro de um determinado data.frame? Preciso testar todos contra todos, em geral, são diversos conjuntos de 15 a 20 pequenos textos.
Na realidade estou preparando uma função para encontrar registros duplicados que possam ter pequenas diferenças de grafia.
Atenciosamente, *Leandro Lins Marino** */Centro de Avaliação Fundação CESGRANRIO Rua Santa Alexandrina, 1011 - 2º andar Rio de Janeiro, RJ - CEP: 20261-903 //(// (21) 2103-9600 R.:236 //*//leandro@cesgranrio.org.br <mailto:leandro@cesgranrio.org.br>/
P***Antes de imprimir**pense em sua responsabilidade e compromisso com o* *MEIO AMBIENTE*
Esta mensagem, incluindo seus anexos, pode conter informacoes privilegiadas e/ou de carater confidencial, nao podendo ser retransmitida sem autorizacao do remetente. Se voce nao e o destinatario ou pessoa autorizada a recebe-la, informamos que o seu uso, divulgacao, copia ou arquivamento sao proibidos.
Portanto, se você recebeu esta mensagem por engano, por favor, nos informe respondendo imediatamente a este e-mail e em seguida apague-a.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br <mailto:R-br@listas.c3sl.ufpr.br> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- Lucas Venezian Povoa URI:http://www.lucasvenezian.orgfree.com
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- Pedro Ribeiro de Andrade, Dr. Earth System Science Center (CCST) National Institute for Space Research (INPE) Sao Jose dos Campos, Brazil voice +55 12 3208 7130 fax +55 12 3208 6468