问题：
我有N（~100m）个字符串，每个D（例如100个）字符长且字母表低（例如4个可能的字符）。我想为这N个点中的每一个找到k-最近邻点（k~0.1D）。相邻的弦通过汉明距离定义。解决方案不一定是最好的，但越接近越好。
关于这个问题的想法
我有一种不好的感觉，这是一个非常重要的问题。我已经阅读了很多论文和算法，但是大多数都在高维度上有较差的结果，并且当维度小于5时它起作用。例如this paper建议一种有效的算法，但它的常数与指数维度相关。
目前，我正在研究如何以保持汉明距离或计算汉明距离的方式减少维数。
另一个选项是locality sensitive hashing，在所选指标下彼此接近的点以高概率映射到同一个存储桶。任何帮助？您更喜欢哪个选项？
答案 0 :(得分：3)
之前提出的一个问题有一些很好的讨论，所以你可以参考，
Nearest neighbors in high-dimensional data?
除此之外，您还可以查看，
http://web.cs.swarthmore.edu/~adanner/cs97/s08/papers/dahl_wootters.pdf
很少有论文分析不同的方法，
http://www.jmlr.org/papers/volume11/radovanovic10a/radovanovic10a.pdf