查找所有 k 最近邻答案

【问题标题】：Find all k-nearest neighbors查找所有 k 最近邻
【发布时间】：2015-03-27 04:26:18
【问题描述】：

问题：

我有 N（~100m）个字符串，每个 D（例如 100）个字符长并且字母低（例如 4 个可能的字符）。我想为这些 N 点（k ~ 0.1D）中的每一个找到 k 最近邻。相邻字符串通过汉明距离定义。解决方案不一定是最好的，但越接近越好。

对问题的思考

我有一种不好的感觉，这是一个不小的问题。我读过很多论文和算法，但是其中大多数在高维度上的结果很差，并且在维度小于 5 时有效。例如this paper 建议一种有效的算法，但它的常数与维度呈指数关系。

目前，我正在研究如何以保留或可以计算汉明距离的方式减少维度。

另一个选项是locality sensitive hashing，在所选度量下彼此接近的点以高概率映射到同一个桶。有什么帮助吗？你更喜欢哪个选项？

【问题讨论】：

"which is the k-nearest neighbors": 你的意思是"which are the k-nearest neighbors" 吗？什么是100m？？
是的，我已更正。 100m表示字符串的个数，所以我们有1亿个字符串。

【解决方案1】：

之前提出的一个问题有一些很好的讨论，所以你可以参考一下，

除此之外，你还可以看看，

分析不同方法的论文很少，

【讨论】：

感谢您的快速回复！我会调查的
我记得看到过其他非常相似的关于字符串相似度与小字母表的问题。尝试在 SO 上搜索更多内容。
您提到的所有材料都与连续空间有关，我认为将离散空间更改为连续空间是行不通的，因为数据不会在所有空间中传播。此外，我的问题中的测量是汉明距离，但是这些材料使用欧几里得距离。