- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我想创建一个模糊搜索算法。然而,经过几个小时的研究,我真的很挣扎。
我想创建一个对学校名称列表执行模糊搜索的算法。
这是我目前看到的内容:
我的大部分研究都指向 Google 和 Stackoverflow 上的“字符串指标”,例如:
然而,这只是给出了 2 个字符串的相似程度的分数。我能想到的将其实现为搜索算法的唯一方法是执行线性搜索并为每个字符串执行字符串度量算法,并返回得分高于特定阈值的字符串。 (最初我将我的字符串存储在一个特里树中,但这显然对我没有帮助!)
虽然这对于小型列表来说并不是一个坏主意,但对于具有 100,000 个名称且用户执行了很多查询的列表来说,这将是一个问题。
我研究的另一种算法是拼写检查方法,您只需搜索所有可能的拼写错误。然而,这也是非常低效的,因为它需要超过 75,000 个单词才能得到一个长度为 7 且错误计数仅为 2 的单词。
我需要什么?
谁能给我推荐一个高效的模糊搜索算法。与:
我明白所有的算法都有其优点和缺点,没有最好的算法。
最佳答案
考虑到您正在尝试对学校名称列表进行模糊搜索,我认为您不希望使用 Levenshtein 距离等传统字符串相似性。我的假设是您正在接受用户的输入(键盘输入或通过电话语音输入),并且您希望快速找到匹配的学校。
距离度量告诉您两个字符串基于替换、删除和插入的相似程度。但是这些算法并没有真正告诉您字符串与人类语言中的单词有多相似。
例如,考虑单词“smith”、“smythe”和“smote”。我可以分两步从“smythe”到“smith”:
smythe -> smithe -> smith
从“smote”到“smith”分两步:
smote -> smite -> smith
所以这两者与strings 具有相同的距离,但作为words,它们有显着的不同。如果有人告诉你(口头语言)他正在寻找“Symthe College”,你几乎肯定会说,“哦,我想你是说史密斯。”但是,如果有人说“Smote College”,您就不会知道他在说什么。
您需要的是 phonetic algorithm喜欢Soundex或 Metaphone .基本上,这些算法将单词分解为音素,并创建该单词在口语中的发音方式的表示。然后,您可以将结果与已知的单词列表进行比较以找到匹配项。
这样的系统会比使用距离度量多快。考虑使用距离度量,您需要将用户的输入与列表中的每个单词进行比较以获得距离。这在计算上是昂贵的,而且结果,正如我用“smith”和“smote”所展示的那样,可能会很糟糕。
使用语音算法,您可以创建每个已知单词的音素表示并将其放入字典( HashMap 或可能是 trie)中。这是一次性的启动成本。然后,每当用户输入搜索词时,您就创建他输入的音素表示并在字典中查找。这要快得多,而且会产生更好的结果。
还请考虑一下,当人们拼错专有名称时,他们几乎总是能正确拼出第一个字母,而且通常拼错的发音听起来就像他们试图拼写的实际单词一样。如果是这样的话,那么语音算法绝对是可行的方法。
关于string - 模糊搜索算法(近似字符串匹配算法),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32337135/
如果您想使用 String.Concat() 连接 5 个或更多字符串,则它会使用 Concat(String[])。 为什么不一直使用 Concat(String[]) 而不再需要 Concat(S
今天在使用 String 时,我遇到了一种我以前不知道的行为。我无法理解内部发生的事情。 public String returnVal(){ return "5";
似乎在我所看到的任何地方,都有一些过时的版本,这些版本不再起作用。 我的问题似乎很简单。我有一个Java类,它映射到derby数据库。我正在使用注释,并且已经成功地在数据库中创建了所有其他表,但是在这
一、string::size_type() 在C++标准库类型 string ,在调用size函数求解string 对象时,返回值为size_type类型,一种类似于unsigned类型的int 数据
我正在尝试将数据保存到我的 plist 文件中,其中包含字符串数组的定义。我的plist - enter image description here 我将数据写入 plist 的代码是 -- let
我有一个带有键/值对的 JavaScript 对象,其中值是字符串数组: var errors = { "Message": ["Error #1", "Error #2"], "Em
例如,为了使用相同的函数迭代 List 和 List> ,我可以编写如下内容: import java.util.*; public class Test{ public static voi
第一个Dictionary就像 Dictionary ParentDict = new Dictionary(); ParentDict.Add("A_1", "1")
这是我的 jsp 文件: 我遇到了错误 The method replace(String, String, String) in the type Functions is not appl
我需要一些帮助。我有一个方法应该输出一个包含列表内容的 txt 文件(每行中的每个项目)。列表项是字符串数组。问题是,当我调用 string.Join 时,它返回文字字符串 "System.Strin
一位同事告诉我,使用以下方法: string url = "SomeURL"; string ext = "SomeExt"; string sub = "SomeSub"; string s
给定类: public class CategoryValuePair { String category; String value; } 还有一个方法: public
我正在尝试合并 Stream>>对象与所有 Streams 中的键一起映射到单个映射中. 例如, final Map someObject; final List>> list = someObjec
在这里使用 IDictionary 的值(value)是什么? 最佳答案 使用接口(interface)的值(value)始终相同:切换到另一个后端实现时,您不必更改客户端代码。 请考虑稍后分析您的代
我可以知道这两个字典声明之间的区别吗? var places = [String: String]() var places = [Dictionary()] 为什么当我尝试以这种方式附加声明时,只有
在 .NET 4.0 及更高版本中存在 string.IsNullOrWhiteSpace(string) 时,在检查字符串时使用 string.IsNullOrEmpty(string) 是否被视为
这个名字背后的原因是什么? SS64在 PowerShell 中解释此处的字符串如下: A here string is a single-quoted or double-quoted string
我打算离开 this 文章,尝试编写一个接受字符串和 &str 的函数,但我遇到了问题。我有以下功能: pub fn new(t_num: S) -> BigNum where S: Into {
我有一个结构为 [String: [String: String]] 的多维数组。我可以使用 for 循环到达 [String: String] 位,但我不知道如何访问主键(这个位 [String:
我正在尝试使用 sarama(管理员模式)创建主题。没有 ConfigEntries 工作正常。但我需要定义一些配置。 我设置了主题配置(这里发生了错误): tConfigs := map[s
我是一名优秀的程序员,十分优秀!