首先，咱们先看看你当前代码的运行效果和潜在问题：

现有代码的正确性判断 #

你的代码逻辑是：先检查words列是否包含value1中的任意子串，匹配的话标记为value1；再检查是否包含value2中的子串，匹配的话标记为value2。

运行结果（基于你的数据集） #

执行你的代码后，dataset$category的结果会是：

• 第1行：value1（包含"ou"）
• 第2行：NA（无匹配项）
• 第3行：value1（"desktop"包含子串"top"）
• 第4行：value1（包含"top"）
• 第5行：NA（无匹配项）
• 第6行：value2（包含"best"）

如果这完全符合你的预期（比如允许子串匹配，且当某行同时匹配value1和value2时，最终标记为value2），那你的代码是可以正常工作的。但有两个需要注意的点：

1. category列没有提前初始化，未匹配的行会显示NA，如果需要默认值（比如"other"），可以先添加dataset$category <- "other"。
2. 子串匹配可能带来意外结果：比如"desktop"里的"top"只是单词的一部分，如果你希望只匹配独立的完整单词，那现有代码就不符合需求了。

优化解决方案 #

场景1：需要匹配完整单词（而非子串） #

如果你的需求是仅当words中包含独立的"top"/"ou"/"best"单词时才分类，需要给正则表达式添加单词边界\\b，避免匹配单词内部的子串：

# 定义关键词
value1 <- c("top", "ou")
value2 <- c("best")

# 构建带单词边界的正则模式
pattern_value1 <- paste0("\\b", paste(value1, collapse = "\\b|\\b"), "\\b")
pattern_value2 <- paste0("\\b", paste(value2, collapse = "\\b|\\b"), "\\b")

# 初始化category列，默认值设为"other"（可选）
dataset$category <- "other"

# 先匹配value1，再匹配value2（后者会覆盖前者的重复匹配）
dataset$category[grepl(pattern_value1, dataset$words)] <- "value1"
dataset$category[grepl(pattern_value2, dataset$words)] <- "value2"

运行后，第3行的"desktop"因为"top"不是独立单词，会被标记为"other"，而"top cinema"里的"top"会正常匹配为value1。

场景2：更清晰的多分类逻辑（推荐） #

如果后续要扩展更多分类规则，用dplyr包的case_when会让逻辑更直观，可读性更强：

library(dplyr)

dataset <- dataset %>%
  mutate(category = case_when(
    # 优先判断value2（如果同时匹配，会优先用这个结果）
    grepl(paste0("\\b", paste(value2, collapse = "\\b|\\b"), "\\b"), words) ~ "value2",
    # 再判断value1
    grepl(paste0("\\b", paste(value1, collapse = "\\b|\\b"), "\\b"), words) ~ "value1",
    # 所有不匹配的情况设为默认值
    TRUE ~ "other"
  ))

这个写法的好处是规则顺序明确，新增分类时只需添加新的case即可，维护起来更方便。

内容的提问来源于stack exchange，提问作者Remi