C＃的局部保留哈希函数

Question

我需要为C＃保留一个局部性保留哈希函数实现（或者可能是替代解决方案）。我想找出一种方法，使用相似性阈值将字符串（即，有时稍微不同长度的相似基因序列标记）映射到相同的桶中。例如，如果两个基因序列标记具有的Levenshtein编辑距离<1。指定的阈值5,10,25等...我想将它们分配到同一个桶/类别。但是，我不能使用编辑距离，因为事先不知道令牌类别，并且计算是相当大的开销。我需要一个非常有效的局部性保留哈希函数（或替代解决方案），这将允许我根据阈值确定最接近哈希值的桶，或者当一个足够接近的桶不存在时创建一个新桶。到目前为止，我甚至没有能够在C＃中保留一个局部性保留散列函数实现，只有出版物。我想在尝试自己编写之前我会问。

Answer 1

一些语音算法（例如http://en.wikipedia.org/wiki/Soundex）可以提供帮助。

它基本上将单词转换为描述其发音的字符数组。它可以用于搜索类似的单词。同样重要的是，这些算法是特定的语言（人类语言，而不是编程语言）。