R：複数の文字列に対して複数のパターン数を最適化する方法は？

Question

私は（1）文のセット、（2）キーワードのセット、（3）各キーワードのスコア（実数）を持っています。私は、文章のスコア= sum_over_keywords（文章*キーワードスコア内のキーワード数）である文章にスコアを割り当てる必要があります。

再現例：今すぐ

library(stringi) 
# generate 200 synthetic sentences containing 15 5-character words each 
set.seed(7122016) 
sentences_splitted = lapply(1:200, function(x) stri_rand_strings(15, 5)) 

# randomly select some words from the sentences as our keywords 
set.seed(7122016) 
keywords = unlist(lapply(sentences_splitted, function(x) if(sample(c(TRUE,FALSE),size=1,prob=c(0.2,0.8))) x[1])) 
len_keywords = length(keywords) 

# assign scores to keywords 
set.seed(7122016) 
my_scores = round(runif(len_keywords),4) 

、文章を得点：

res = system.time(replicate(100, 
    unlist(lapply(sentences_splitted, function (x) 
     sum(unlist(lapply(1:len_keywords, function(y) 
      length(grep(paste0("\\<",keywords[y],"\\>"),x))*my_scores[y] 
     ))))))) 

私は私ができる限り多くのコードを最適化しようとしたが、それはまだ非常に遅いです：

user system elapsed 
    11.81 0.01 11.89 

これ以上の操作を繰り返す必要があります200,000回... length(grep(paste0("\\<",keywords[y],"\\>"),x))より速いものはありますか？ lapplyのネストされたもの以外のものを使うべきですか？

NOTES：

• 私はすでに並列に私のラップトップの4つのコアを使用する予定なので、私は本当に必要なもの は上記より速く示す基本チャンクを作ることです。
• 誰かが スクリプトを提供していれば、RのC/C++/Fortranコードを呼び出すのはうれしいです（残念ながら、これらの言語はわかりません）。

Answer 1

キーワードはmy_scoresという名前で表すことができます。覚えておきますが、Rは名前でサブセット化することができます。一致する言葉を得ることができれば、得点も得られます：

names(my_scores) <- keywords 
res <- sapply(sentences_splitted, function(x) sum(my_scores[x[x %in% keywords]])) 

これはすべて必要です。小さなテスト可能な例でテストすることができます：

#Create sentences 
sentences_splitted <- list(c("abc", "def", "ghi", "abc"), c("xyz", "abc", "mno", "xyz")) 
keywords <- c("abc", "xyz") 
my_scores <- c(10,20) 

#We should expect 
10 * 2 #first sentence 
10 * 1 and 20 * 2 #second sentence 
#Expected result 
[1] 20 50 

#Check that function works as expected 
names(my_scores) <- keywords 
sapply(sentences_splitted, function(x) sum(my_scores[x[x %in% keywords]])) 
[1] 20 50