Boa noite pessoal, Gostaria de uma ajuda de vcs, pois estou iniciando no R, e tenho uma demanda, onde eu tenho que sinalizar as linhas onde tem as frases parecidas. Para isso, estou usando a biblioteca stringdist. Porem, eu só consigo fazer a comparação por palavras na mesma posição, e gostaria de saber a similaridade da frase inteira, não importando a posição das palavras. POr exemplo, no resultado abaixo, na 3º linha é a mesma frase, só que as palavras estão em posições diferentes. Eu deveria considerar que é frase é similiar.
vet1 vet2 vet3
heber dos Santos araujo 0.0000000 0.0000000 0.3591486
heber dos Santos araujo 0.0000000 0.0000000 0.3591486
araujo Santos dos heber 0.3591486 0.3591486 0.0000000
heber dos s araujo 0.1372786 0.1372786 0.3955314
O código que estou utilizando é:
library(stringdist)
library(dplyr)
dis<-read.csv2("C:/Users/heber.araujo/Desktop/Estudo Questões Duplicadas/exemploTeste.csv")
library(tm)
stp<-stopwords("portuguese") #'Lista de palavras comuns que ele retira'
dis$Nome<-as.character(dis$Nome) # Coluna para pesquisa
dis$Nome<-removeWords(dis$Nome,stp)
'#for(i in 1:nrow(dis)){
'# dis_2<-strsplit(dis$text[i]," ") # esse comando quebra a frase por palavra
'# dis_3<-unlist(dis_2)
'#dis_3<-dis$GQUE_DS_ENUNCIADO
dis_3<-dis$Nome
res<-stringdistmatrix(dis_3,dis_3,method = "jw")
rownames(res)<-dis_3