应用错误收集

我正在研究使用Edit Distance算法在名称数据库中实现模糊搜索。

我找到了一个数据结构，据说可以通过分而治之的方法帮助加快速度 - Burkhard-Keller Trees。问题是我找不到关于这种特定类型树的非常多的信息。

如果我用任意节点填充我的BK树，我有多大可能出现平衡问题？

如果我可能或可能与BK-Trees有平衡问题，有没有办法在构建之后平衡这样的树？

算法在正确平衡BK树时会是什么样子？

到目前为止我的想法：

似乎子节点在距离上是不同的，所以我不能简单地旋转树中的给定节点而不重新校准它下面的整个树。但是，如果我能找到一个最佳的新根节点，这可能正是我应该做的。我不知道如何找到最佳的新根节点。

我还将尝试一些方法来查看是否可以通过从空树开始并插入预分发数据来获得相当平衡的树。

从按字母顺序排序的列表开始，然后从中间排队。（我不确定这是一个好主意，因为按字母顺序排序与编辑距离的排序不同。）
完全洗牌的数据。（这很大程度上依靠运气来挑选一个“不那么可怕”的根。它可能会失败并且可能在概率上保证不是最佳的。）
从列表中的任意单词开始，按照与该项目的编辑距离对其余项目进行排序。然后从中间排队。（我觉得这会很昂贵，而且仍然很差，因为它不会计算所有单词之间的度量空间连接 - 只是每个单词和一个参考单词）。
使用任何方法构建初始树，将其展平（基本上类似于预先遍历遍历），并从中间排队以获得新树。（这也将是昂贵的，我认为它可能仍然很差，因为它不会提前计算所有单词之间的度量空间连接，并且只会得到一个不同且仍然不均匀的分布。）
按名称频率排序，插入最受欢迎的第一个，并抛弃平衡树的概念。（这可能是最有意义的，因为我的数据分布不均匀，我不会有纯粹的随机词汇。）

仅供参考，我目前并不担心名称 - 同义词问题（Bill vs William）。我将单独处理，我认为将采用完全不同的策略。