Question

我有以下内容：

dist<-c('att1','att2','att3','att4','att5','att6')
p1<-c('att1','att5','att2')
p2<-c('att5','att1','att4')
p3<-c('att3','att4','att2')
p4<-c('att1','att2','att3')
p5<-c('att6')

我想找到所有相关的p，它们的统一将是dist的最大组成部分。在这种情况下，解决方案将是p1, p3, p5。我想选择最小数量的p。另外，如果没有办法覆盖所有的dist组件，所以我想选择最大的覆盖。

Answer 1

这是我尝试过的解决方案。我尽可能多地尝试对希望足够快进行矢量化/基质化。每个步骤都在评论中解释

library(qdapTools)
library(dplyr)
library(data.table)
## generate matrix of attributes
grid_matrix <- do.call(CJ, rep(list(1:0), 5))  %>% as.matrix
attribute_matrix
##   att1 att2 att3 att4 att5 att6
## 1    1    1    0    0    1    0
## 2    1    0    0    1    1    0
## 3    0    1    1    1    0    0
## 4    1    1    1    0    0    0
## 5    0    0    0    0    0    1

## create a grid of combination of matrix
grid_matrix <- do.call(CJ, rep(list(1:0), 5))  %>% as.matrix
colnames(grid_matrix) <- paste0("p", 1:5)

## check whether each combination has all attribute presented
combin_all_element_present <- rowSums(grid_matrix %*% attribute_matrix > 0) %>% 
  `==`(., ncol(attribute_matrix))

combin_all_element_present
##  [1]  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE
## [12] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [23] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

## generate a submatrix which satisfy the condition
grid_matrix_sub <- grid_matrix[combin_all_element_present, ]
## find the combinations with minumun number of p
grid_matrix_sub[rowSums(grid_matrix_sub) == min(rowSums(grid_matrix_sub)), ]
##      p1 p2 p3 p4 p5
## [1,]  0  1  0  1  1
## [2,]  0  1  1  0  1
## [3,]  1  0  1  0  1

注意

如果您想使用quanteda，可以使用
生成attribute_matrix
library(quanteda) attribute_matrix <- lapply(list(p1, p2, p3, p4, p5), function(x) paste(x, collapse = ' ')) %>% unlist %>% tokens %>% dfm %>% as.matrix attribute_matrix ## features ## docs att1 att5 att2 att4 att3 att6 ## text1 1 1 1 0 0 0 ## text2 1 1 0 1 0 0 ## text3 0 0 1 1 1 0 ## text4 1 0 1 0 1 0 ## text5 0 0 0 0 0 1

列表的最小覆盖范围

1 个答案: