R：仅在for循环内调用时功能变慢

问题描述

我具有查找两个句子的词级编辑距离的功能（末尾为全功能）。

levenshtein(c("How","do","you","do"),c("What","do"))
## [1] 1

我有很多句子的集合，并且正在计算集合中所有句子对的总编辑距离。

total <- 0
curr <- 0
n <- length(sentences)
for (i in (1:n)) {
    for (j in (i + 1:n)) {
      if (j > n) break
      curr <- levenshtein(sentences[[i]],sentences[[j]])
      total <- levenshtein.total + curr
    }
  }

这非常很慢，但是我不知道如何处理：

• 对levenshtein（）进行基准测试在期间，for循环显示某些调用最多需要两分钟。
• 在控制台中对相同的通话（相同的句子对）进行基准测试，导致通话花费一秒钟。

---

我对R的细节不是很有经验，所以我希望能缺少一些明显的东西。遗憾的是，出于隐私原因，我无法提供任何特定的句子集。所有集合都包含大约100个句子，长度为1-100。

感谢您对这个问题的任何想法或对我的SO用法的一般想法。第一篇文章。

---

单词级Levenshtein函数：

levenshtein <- local({
  memo <- list()
  f <- function(sentence1,sentence2,len1=NULL,len2=NULL,offset1=0,offset2=0) {
    if (is.null(len1)) len1 <- length(sentence1)
    if (is.null(len2)) len2 <- length(sentence2)
    
    key <- paste(c(toString(offset1),toString(len1),toString(offset2),toString(len2)),collapse = ",")
  
    if (!is.null(memo[[key]])) return(memo[[key]])
    
    if (len1 == 0) return(len2)
    if (len2 == 0) return(len1)
    
    cost <- 0
    if (sentence1[[offset1 + 1]] != sentence2[[offset2 + 1]]) cost <- 1
  
    dist <- min(
      levenshtein(sentence1,len1 - 1,len2,offset1 + 1,offset2) + 1,levenshtein(sentence1,len1,len2 - 1,offset1,offset2 + 1) + 1,offset2 + 1) + cost
    )
    memo[key] <<- dist
    return(dist)
}})

解决方法

临时解决方案

在每次函数调用后手动为备忘录变量分配一个空列表，可使例程快40倍左右。请参阅内部循环的最后一行。

total <- 0
curr <- 0
n <- length(sentences)
for (i in (1:n)) {
    for (j in (i + 1:n)) {
      if (j > n) break
      curr <- levenshtein(sentences[[i]],sentences[[j]])
      total <- levenshtein.total + curr
      assign("memo",list(),envir = environment(levenshtein))
    }
  }

我不知道这对于一个根本上被忽视的问题有多少创可贴，但是我认为比不共享它更好。而且，如果有人对正在发生的事情有很好的了解，或者通过非元编程R的方式进行操作，那么我很乐于学习。