- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
我有一个巨大的 vector 列表(~100k)(代表单词并使用随机索引计算)并且必须找到给定的 1 个输入单词前 N 个最接近的 vector 。我现在的做法是按距离进行完整排序,然后提取前 N 个结果,但这需要太多时间才能使用,因为我必须计算 100k 距离。有没有更有效的方法呢? vector 已经归一化,所以我只需要在计算距离时计算点积。
vector 存储在 Java HashMap<String, Vector>
中,其中 Vector 是稀疏 vector 的 la4j 类。
最佳答案
您可以将 vector 放入空间感知容器中,例如 R-tree或 k-d tree或 PK-Tree .
通过这种方式,您无需遍历所有数据集即可找到点,只需查看几个相邻的单元格即可。不要忘记,您不仅需要在单个单元格中搜索,还需要在相邻单元格中搜索,并且在多维空间中有很多邻居。
更新:您仍然需要手动测量距离。但是,您不需要遍历所有 vector 。
一个简单的解决方案——定义最大距离,迭代该距离内单元格内的所有 vector ,排序,选择前 N 个。
最佳解决方案(更难开发)——迭代搜索过程。例如,从输入 vector vX 所在的单个单元格开始,在该单元格中找到 N 个最近的 vector 。如果 vX 与第 N 个找到的 vector (最远的 vector )之间的距离小于 vX 与任何尚未搜索的单元格的最近点之间的距离,那么您将获得 N 个结果。否则,从最近的尚未搜索的单元格中添加 vector ,然后重复该过程。这里最复杂的事情 — 跟踪已经搜索了哪些单元格以及下一步要做什么(尤其是对于树高度可变的 PK 树)。
权衡解决方案(开发起来并不难,可能对您来说是合理的最佳选择)— 迭代搜索过程,您一直在树上进行搜索。你从包含 vX 的叶节点开始,如果它没有 N 个 vector ,或者如果 vX 更接近单元格的边界,那么找到第 N 个 vector ,你向上一级,并添加完整的子 -从父节点开始的树。这样算法就简单多了,因为搜索区域总是矩形的。然而,最坏的情况(即,如果 vX 位于 2 个根单元格之间的边界上)会更糟——您将不得不遍历所有 100k 个点。
关于java - 通过余弦距离获取前 N 个最近 vector 的最快方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25389215/
A是不同元素的序列,B是A的子序列,A-B是A中的所有元素,但不是B中的所有元素距离(A) = 总和|a(i)-a(i+1)|从 i=1 到 n-1找到一个子序列 B 使得 Dist(B)+Dist(
我想通过计算每对中所有(多维)点集之间距离的平均值来量化组相似性。 我可以很容易地手动为每对组手动完成此操作,如下所示: library(dplyr) library(tibble) library(
在 OpenXML 中用于指定大小或 X、Y 坐标的度量单位是什么? (介绍)。 将那些与像素匹配是否有意义,如果是这样,那些如何转换为像素? graphicFrame.Transform = new
我想知道是否有人可以帮助我替换过渡层中的值。 如果我尝试: transitionlayer[transitionlayer >= 0.14] = 0.14 : comparison (5) is
我在 firebase 中有一个列表,其中包括地理位置(经度和纬度),并且我想获得距给定坐标最近的 10 个位置。 我正在从 MySQL 过渡,在那里我将计算 SELECT 中的距离, 并在 ORDE
如何在 Python 中根据 2 个 GPS 坐标计算速度、距离和方向(度)?每个点都有纬度、经度和时间。 我在这篇文章中找到了半正矢距离计算: Calculate distance between
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 6 年前。 Improve this ques
我只想使用 matplotlib 标记两条曲线之间发生最大偏差的位置。请帮助我。 垂直距离适用于 Kolmogorov–Smirnov test import numpy as np %matplot
我有一个包含数万行重复项的文件。我想根据行号找到重复项之间的平均时间/距离。 例如:(其中第一列是行号) 1 string1 2 string2 3 string2 4 string1 5 strin
用公式speed=distance/time计算时间 但时间总是0我的输入是 distance=10 和 speed=5 我的输出必须 = 2 #include int main() { in
我正在使用 Levenshtein 算法来查找两个字符串之间的相似性。这是我正在制作的程序的一个非常重要的部分,因此它需要有效。问题是该算法没有发现以下示例相似: CONAIR AIRCON 算法给出
对于一个房地产网站,我需要实现一个允许搜索文本和距离的搜索机制。 当 lat 和 lon 记录在单独的列中时,在 MySQL 表上进行距离计算很容易,但房子往往有 LOT true/false 属性。
是否可以在触发前更改 UIPanGestureRecognizer 的距离?目前的实现似乎在触发前有 5-10 像素的距离余量,我想降低它如果可能的话。 原因是我将 UIPanGestureRecog
我试图找到两个网格之间的偏差。例如在 3d 空间中定义的两组点之间的差异,我计划使用一些 3d 可视化工具来可视化距离,例如QT3d 或一些基于开放式 gl 的库。 我有两组网格,基本上是两个 .ST
所以,我有这个函数可以快速返回两个字符串之间的 Levenshtein 距离: Function Levenshtein(ByVal string1 As String, ByVal string2
我正在尝试用字典创建一个光学字符识别系统。 事实上,我还没有实现字典=) 我听说有一些基于 Levenstein 距离的简单指标,这些指标考虑了不同符号之间的不同距离。例如。 'N' 和 'H' 彼此
我在PostGIS数据库(-4326)中使用经纬度/经度SRID。我想以一种有效的方式找到最接近给定点的点。我试图做一个 ORDER BY ST_Distance(point, ST_GeomF
我想从线串的一端开始提取沿线串已知距离处的点的坐标。 例如: library(sf) path % group_by(L1) %>% summarise(do_union =
我已经编写了这些用于聚类基于序列的数据的函数: library(TraMineR) library(cluster) clustering <- function(data){ data <- s
是否可以设置 UILabel 的行之间的距离,因为我有一个 UILabel 包含 3 行,并且换行模式是自动换行? 最佳答案 如果您指的是“前导”,它指的是类型行之间的间隙 - 您无法在 UILabe
我是一名优秀的程序员,十分优秀!