R语言中按流行度从低到高实现无冲突主题分配的最简算法

原逻辑的核心缺陷 #

原有直接按max.col逐行填值的方式，没有跟踪已经完成分配的列（即待匹配的id对象），会出现同一id被多个主题重复匹配的问题，无法满足「每个id仅对应一个主题、低流行度主题优先抢占最优匹配位置」的要求。

实现思路 #

依托已经按流行度升序排好的数据集，逐行处理每个主题的匹配过程：

• 初始化和数据集维度匹配的空结果矩阵，同时维护一个记录已占用列的向量
• 对每个主题，先定位该行中所有最高偏好等级（即值为3）的列位置
• 过滤掉已经被之前主题占用的列，取第一个可用位置填入当前主题名称
• 将该位置标记为已占用，继续处理下一个主题

完整代码实现 #

首先复现测试数据集：

library(tidyverse)
data <- data.frame(topic = c("A", "B", "C", "D", "E"),
           id1 = c(1,2,3,1,2),
           id2 = c(3,3,2,1,3),
           id3 = c(1,1,3,3,2),
           id4 = c(3,1,2,2,1),
           id5 = c(2,2,1,3,1),
           id6 = c(3,1,1,1,3)) %>%
  mutate(popularity = rowSums(. == 3)) %>%
  arrange(popularity)

然后是带占用追踪的匹配逻辑：

# 初始化结果矩阵：行数对应主题数，列数对应id总数
my_matrix <- matrix(NA, nrow = nrow(data), ncol = sum(grepl("^id", names(data))))
# 记录已经被分配的列位置
occupied_cols <- c()

# 按流行度从低到高逐行处理
for (row_idx in seq_len(nrow(data))) {
  # 提取当前主题对应的各id偏好值
  current_pref <- as.numeric(data[row_idx, grepl("^id", names(data))])
  # 筛选符合要求的位置：偏好值为最高等级、列未被占用
  valid_pos <- which(current_pref == 3 & !(seq_along(current_pref) %in% occupied_cols))
  # 取第一个可用位置完成分配
  assign_pos <- valid_pos[1]
  my_matrix[row_idx, assign_pos] <- data$topic[row_idx]
  # 标记该列已被占用
  occupied_cols <- c(occupied_cols, assign_pos)
}

运行结果 #

my_matrix
#      [,1] [,2] [,3] [,4] [,5] [,6]
# [1,] NA   "B"  NA   NA   NA   NA  
# [2,] "C"  NA   NA   NA   NA   NA  
# [3,] NA   NA   "D"  NA   NA   NA  
# [4,] NA   NA   NA   NA   NA   "E"  
# [5,] NA   NA   NA   "A"  NA   NA 

逐行匹配过程拆解：

1. 最低流行度的主题B，最高偏好位置为第2列（id2），该位置未被占用，完成分配，标记第2列已占
2. 主题C的最高偏好位置为第1列（id1）、第3列（id3），第1列未被占用，完成分配，标记第1列已占
3. 主题D的最高偏好位置为第3列（id3）、第5列（id5），第3列未被占用，完成分配，标记第3列已占
4. 主题E的最高偏好位置为第2列（已被B占用）、第6列（id6），跳过已占用位置，在第6列完成分配，标记第6列已占
5. 最高流行度的主题A的最高偏好位置为第2列（已占）、第4列（id4）、第6列（已占），跳过两个已占用列，在第4列完成分配

内容的提问来源于stack exchange，提问作者Marco