R 我如何'；高效'；在大型文本语料库中，用另一个（成对）字符串向量替换字符串向量

我有一个字符串向量（app.700.000 strings）中的大量文本。我试图替换语料库中的特定单词/短语。也就是说，我有一个40.000个短语的向量和一个相应的替换向量

我正在寻找一种有效的方法来解决这个问题

我可以做一个for循环，循环每个模式+替换。但它的伸缩性很差（3天左右！）

我还尝试了qdap:：mgsub（），但它的扩展性似乎也很差

---

txt创建每个短语中所有单词的向量

txt1 = strsplit(txt, " ")
words = unlist(txt1)

使用
match（）

idx <- match(words, patterns)
words[!is.na(idx)] = replacements[idx[!is.na(idx)]]

如果模式可以有多个单词，我想这是行不通的…
在新旧值之间创建一个映射

map <- setNames(replacements, patterns)

找到所有匹配项并提取它们

ridx <- gregexpr(pattern, txt)
m <- regmatches(txt, ridx)

ridx如果您可以先标记文本，那么矢量化替换会快得多。如果a）可以使用多线程解决方案，b）使用固定表达式而不是正则表达式匹配，则速度也会更快

下面是如何在quanteda包中完成所有这些。最后一行将标记作为字符向量粘贴回单个“文档”中，如果这是您想要的

库（“quanteda”）
##软件包版本：1.4.3
##并行计算：使用12个线程中的2个。
##看https://quanteda.io 有关教程和示例。
## 
##附加程序包：“quanteda”
##以下对象已从“package:utils”屏蔽：
## 
##看法
quanteda_选项（线程数=4）
抱歉没有指定，模式通常有更多的单词。坦克。。。不过，我得到了一个错误，在
rridx中，我猜问题太大了；您可以尝试处理模式的子集，以了解该方法的可行性；如果它使用1000个模式“起作用”，并且比您当前的迭代方法更快，那么将解决方案应用于1000个模式的“块”中。我有一项紧急任务要完成。我在qatd_cpp_令牌_replace（x，type，ids_pat，ids_repl）中发现以下错误：【type=NULL；target=double】与请求的类型不兼容。
有关错误，请提交到。
pattern = paste0("(", paste0(patterns, collapse="|"), ")")

ridx <- gregexpr(pattern, txt)
m <- regmatches(txt, ridx)

regmatches(txt, ridx) <- relist(map[unlist(m)], m)