Question

我有一个java列表（如果有必要，它可能是一个地图）有很多字符串。

列表（你好，地狱，汽车，卡通，...）

我希望以有效的方式为另一个给定字符串找到最相似的字符串。

我想我应该使用Levenshtein距离，但我不想遍历所有列表。

您是否认为将主列表划分为具有公共前缀的某些部分是个好主意？

然后我会有一个地图，其中前缀为关键字，列表为值：

hel - ＆gt;列表（你好，地狱，...）
car - ＆gt;列表（汽车，卡通，...）

通过这种方式，我可以快速搜索与搜索到的字符串相同的字符串。然后我可以仅对某些字符串应用Levenshtein距离而不是所有主列表。

这是个好主意吗？感谢

Answer 1

您可以计算每个条目的soundex代码，并将soundex映射到原始单词列表。 Soundex是一个缩减代码，用于获得类似发声单词的单个键。

Map<String, Set<String>> soundexToWords = ...
for (String word : words) {
    String sdex = soundex(word);
    Set<String> similarWords = soundexToWords.get(sdex));
    if (similarWords == null) {
        similarWords = new HashSet<>();
        soundexToWords.put(sdex, similarWords);
    }
    similarWords.add(word);
}

Set<String> similarWords(String word) {
    return soundexToWords.get(soundex(word));
}

Soundex通常用于一种语言，比如说英语，特别是对于英语而言，它非常简单。

Answer 2

简单解决方案

最简单的解决方案是先在List上致电List。现在，您的列表按lexicographical order排序。接下来，在列表上执行二进制搜索以查找前缀所在的位置。返回的索引基本上为您提供了最相似的单词的位置。

然后，您可以通过将前缀映射到索引来构建地图，这样您就可以根据需要检索整个List的子集，或者您可以在地图中缓存子集本身。此子集是一个列表，从整个O(m)中的索引开始，其元素具有递减的相似性。您可以将停止索引微调为第一个字母增量或类似的东西。

最佳解决方案

最佳解决方案是查看trie数据结构。 trie支持m个查询，其中O(1)是您要搜索的前缀的长度。这会占用远远少于空间并避免哈希冲突。虽然您的地图理论上支持O(n^2)个查询，但如果您明确存储每个列表，则构建时间为O(n)。如果存储索引，则构建时间是线性的，但每个请求都是{{1}}。

Answer 3

public List<String> similarWords(String word, List<String> allWords){
    List<String> similarWordList = new ArrayList<>();

    for(String currentWord : allWords){
        if(currentWord.contains(word)){
            similarWordList.add(currentWord);
        }
    }
    return similarWordList;
}

Java：查找类似的字符串

3 个答案:

简单解决方案

最佳解决方案