r - 如何在 adist 和 agrep 函数中设置成本参数？

Question

我需要一些帮助来理解这些函数的参数。我从帮助中拿了例子。

## To see the transformation counts for the Levenshtein distance:
drop(attr(adist("kitten", "sitting", counts = TRUE), "counts"))
# ins del sub 
#   1   0   2 

ins，代表插入； del 用于删除；和 sub 替换。

## To see the transformation sequences:
attr(adist(c("kitten", "sitting"), counts = TRUE), "trafos")
#      [,1]      [,2]     
# [1,] "MMMMMM"  "SMMMSMI"
# [2,] "SMMMSMD" "MMMMMMM"

由此不难看出，在比较字符串一和字符串二时，发现SMMMSMI； 2 次换人和 1 次插入，总共距离应为 3。

adist("kitten", "sitting", costs = list(ins=1, del=0, sub=1), partial = F)
#      [,1]
# [1,]    3

这是我不明白的，为什么当我将插入成本设置为零时，总距离的结果为零。由于替换次数，我预计是 2。

adist("kitten", "sitting", costs = list(ins=0, del=0, sub=1), partial = F)
#      [,1]
# [1,]    0

非常感谢。

Answer 1

如果您在指定每个操作的成本的同时查看实际计数，这将更容易解释:

drop(attr(adist("kitten", "sitting", costs = list(ins=0, del=0, sub=1), 
                 partial = F, counts = T), "counts"))

# ins del sub 
#   6   5   0 

所以你看到的不是:

# ins del sub 
#   1   0   2 

当您指定一组与默认值不同的成本参数时，插入、删除和替换的操作数发生了变化。这是有道理的，因为有不止一种方法可以将一个字符串转换为另一个字符串，并且根据 ?adist，与 adist 的距离是:

a generalized Levenshtein (edit) distance, giving the minimal possibly weighted number of insertions, deletions and substitutions needed to transform one string into another.

根据这个声明，应该有一个底层优化来最小化由 cost 参数加权的操作数，所以如果我们指定 insertions 和 deletions 成本参数为零，那么它不会再使用 substitution 操作，因为前两个操作显然成本更低，并且确实使用了 6 插入和 5 删除来完成转换最终距离为零，因为这两个操作的成本为零。