gpt4 book ai didi

indexing - 在大型数据库中搜索(非常)近似子串

转载 作者:行者123 更新时间:2023-12-04 21:25:45 26 4
gpt4 key购买 nike

我正在尝试在大型数据库中搜索长的、近似的子字符串。例如,一个查询可能是一个 1000 个字符的子字符串,它可能与匹配项相差数百个编辑的 Levenshtein 距离。我听说索引 q-gram 可以做到这一点,但我不知道实现细节。我也听说 Lucene 可以做到,但是 Lucene 的 levenshtein 算法是否足够快以进行数百次编辑?也许是抄袭检测的​​世界之外的东西?任何建议表示赞赏。

最佳答案

Q-gram 可能是一种方法,但还有其他方法,例如 Blast、BlastP——用于蛋白质、核苷酸匹配等。

Simmetrics库是字符串距离方法的综合集合。

关于indexing - 在大型数据库中搜索(非常)近似子串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3432276/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com