具有任意度量的最快 k 最近邻？答案

【问题标题】：Fastest k nearest neighbor with arbitrary metric?具有任意度量的最快 k 最近邻？
【发布时间】：2015-04-26 21:21:16
【问题描述】：

这个问题的问题是“任意度量”。如果您不知道那是什么，那只是测量点之间距离的方法。（在“真实”世界中，一维距离只是两点之间差异的绝对大小）。

足够的预赛。我正在尝试找到具有这些属性的快速 k 最近邻算法：

维基百科给出了算法和方法的列表，但没有关于实现的内容。

更新：度量是余弦相似度，它不满足三角形不等式。但是，我似乎可以使用“角度相似性”（根据维基百科）。

更新：用例是自然语言处理。 “向量”是给定单词的“上下文”，由二进制属性表示（例如：文档的标题）。所以虽然可能只有几个属性（现在我只使用 3 个），但每个向量都有任意大的维度（在标题示例中，数据库中的每个标题都对应于向量中的一个维度）。

更新：出于好奇，我正在实现这个算法：

更新：该算法需要从大约 100 个点中找到大约 12 个点的最近邻。平均尺寸可能会非常大，比如 50，（我真的不知道）。是的，我对算法感兴趣，而不是库。是的，估计可能已经足够了。

【问题讨论】：

【解决方案1】：

我建议您使用当前流行的局部敏感哈希 (LSH)。它降低了高维数据的维数，但我不确定你的维数是否能很好地适应该算法。更多信息请参见维基百科page。

您可以使用自己的指标，但通常您可以在许多算法中这样做。希望这会有所帮助。

你可以选择 RKD 树，一片森林，但现在可能太多了。

【讨论】：

看来研究论文不是很实用（去图）......他们测量相似词的方式没有规模（因为暗淡与文档/链接的总数成正比系统！）。将检查“基于字符串”的相似性。但是会将其标记为答案，因为从技术上讲它是。谢谢！
请问您指的是哪篇论文？ :) 不客气，好问题顺便说一句，+1。
问题中引用了“本体半自动进化的智能系统”。正在寻找替代的相似性度量（例如：最常见的 K 距离），看来我还是会使用 LSH。非常感谢！
感谢您提出的好问题，这让我质疑自己，您当然值得 +1！祝你的项目好运！
仅供参考，LSH 并不真正适用于任意指标。有一种算法，但它隐藏在神秘的数学背后。见stackoverflow.com/questions/17875885/…。另一种似乎是使用 q-grams + minhashing + LSH