我们有一套文件，每套都有一套功能。 给定特征A，我们需要知道在同一文档中具有特征B的概率是多少。
我想到建立一个概率矩阵，s.t： M（i，j）=在给定特征A的情况下在文档中具有特征B的概率。
但是，我们还有一项要求： 给定特征A在文档中，具有概率＆gt;的所有特征是什么？ P在同一份文件中。
平均而我所能想到的只是概率矩阵的稀疏矩阵，并且在计算之后，对于在所有列上运行的每个特征，将其按P排序，并将其保存在某个链接列表中。 （所以现在，我们为每个功能提供了相应功能的列表
这个空间复杂度非常大（最差情况：N ^ 2，N很大！），每次搜索的时间复杂度为O（N）。
有什么好主意吗？
答案 0 :(得分：1)
如果要素的数量与文档数量相当或更大，请考虑保留倒排索引：对于每个要素保留（例如，排序列表）存在的文档。然后，您可以通过在要素A和B的排序列表上运行合并来计算给定A的概率。
对于“预期给定A的常见特征”问题，我只能想到为每个A预先计算答案，并希望得到的特征列表不会太长。