将字符串转换为相似度矩阵

Question

我有一些特殊格式的字符串,代表集合.在R中,我想将它们转换为相似度矩阵.

例如,一个字符串显示1 + 2包含一个集合,3个单独在一个集合中,4,5和6包含一个集合是:

"1+2,3,4+5+6"

对于上面的例子,我希望能够生产

      [,1] [,2] [,3] [,4] [,5] [,6]
 [1,]    1    1    0    0    0    0
 [2,]    1    1    0    0    0    0
 [3,]    0    0    1    0    0    0
 [4,]    0    0    0    1    1    1
 [5,]    0    0    0    1    1    1
 [6,]    0    0    0    1    1    1

看起来这应该是一项非常简单的任务.我该怎么办呢？

Answer 1

这是一种方法:

out <- lapply(unlist(strsplit("1+2,3,4+5+6", ",")), function(x) {
    as.numeric(unlist(strsplit(x, "\\+")))
})

x <- table(unlist(out), rep(seq_along(out), sapply(out, length)))

matrix(x %*% t(x), nrow(x))

##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    1    0    0    0    0
## [2,]    1    1    0    0    0    0
## [3,]    0    0    1    0    0    0
## [4,]    0    0    0    1    1    1
## [5,]    0    0    0    1    1    1
## [6,]    0    0    0    1    1    1