我的数据集由许多位于x，y平面上的矩形组成（由一组四边形点表示）。 99.9％的时间这些矩形不会重叠，但他们很少会重叠。我正在尝试找到一个用于存储矩形的最佳数据结构，以便我可以找到交集的实例。
顺便说一句，矩形包含文本，所以我这样做是为了找到相同文本重叠的出现。这是因为这样的事件应该被视为一个文本矩形而不是两个。
例如： 假设我正在搜索文本“123”。 有两个矩形。第一个矩形包含“TEST 123”，第二个矩形包含“123”。如果“123”与第一个矩形内的“123”重叠（在给定的阈值内），那么我的搜索结果应该只返回一次出现的文本“123”。
到目前为止，我简要介绍了四叉树，r树，k-d树和范围树。我对这些树知之甚少，也不知道是否有任何可以解决这个问题。 在这种情况下，我觉得r树不是最佳的，因为重叠的可能性非常小。
答案 0 :(得分：2)
我知道你不希望索引做任何文本识别，它应该只检测重叠（轴对齐）矩形。这有时被称为“空间连接”操作。
据我所知，除了TOUCH algorithm（我认为是优化的R-Tree）之外，很少有专用算法。所以我会使用强力方法，对每个矩形执行数据集上的一个窗口查询。
有许多基于空间索引的可能算法。这取决于你的要求（除了kd-tree通常只适用于点，而不适用于矩形）。
对于磁盘，通常会推荐R-Tree变体，例如R * tree或X-tree。 但是，R-Trees在更新时往往效果不佳，但通常与初始批量加载一起使用。 R-Tree中的Windows查询倾向于使用更大的结果集更好地工作，但这可能取决于实际的数据集。
Quadtrees对于你的'稀疏'数据集应该没问题，它们也很容易实现，但需要大量内存，不适合磁盘使用。
如果您正在使用Java，请查看我的PH-Tree，它的工作方式有点像四叉树，但空间效率更高，并且可以很好地处理大型数据集，支持更新，窗口非常快查询，特别是如果结果集很小（0或1结果）。它可能正是您所需要的，除了它实现起来有点复杂（我的版本是Java和Apache v2许可），并且目前没有有效的方法将它存储在磁盘上。