比方说，我有数以百万计的单词的词典（单词列表）。给定一个查询词，我想从最相似的庞大列表中找到该词。
因此，假设我的查询是elepant，则结果很可能是elephant。
如果我的单词是fentist，则结果可能是dentist。
当然，我的初始单词列表中同时包含elephant和dentist。
我可以使用哪种索引，数据结构或算法来快速查询？希望O(log N)的复杂性。
我所拥有的：最天真的事情是创建一个“距离函数”（根据两个词之间的差异来计算两个单词之间的“距离”），然后O（n）将查询与列表中的每个单词进行比较，然后返回距离最近的单词。但是我不会使用它，因为它很慢。
答案 0 :(得分：1)
您描述的问题是最近的邻居搜索（NNS）。解决NNS问题的主要方法有两种：完全和近似。
如果您需要精确的解决方案，我建议使用度量树，例如 M树， MVP树，和 BK树。这些树利用三角形不等式加快搜索速度。
如果您愿意接受一个近似的解决方案，则可以使用更快的算法。近似方法的当前技术水平为Hierarchical Navigable Small World (hnsw)。 Non-Metric Space Library (nmslib)提供了hnsw以及其他几种近似NNS方法的有效实现。
（您可以使用Hirschberg's algorithm计算Levenshtein距离）
答案 1 :(得分：0)
前段时间我做了类似的算法
想法是具有字符的数组char [255] 和值是包含此字符的单词哈希（单词ID）的列表
搜索“ dele ....”时 搜索（d）将返回空列表 search（e）将找到所有带有字符e的东西，包括大象（两次，因为它有两个'e'） search（l）将为您带来新的列表，您需要将此列表与上一步的结果结合起来
... 输入结束时，您将有一个列表 那么您可以尝试按wordHash分组，按desc按计数排序
有趣的是，如果您输入的内容缺少一个或多个字符，您只会在搜索过程中收到一个空白列表，并且不会影响这个想法
我最初的算法没有排序，我为每个字符存储了wordId和lineNumber和char位置。 我的主要问题是我想搜索 与ee一起找到“大象” 带着大象找到“大象” 与antph一起找到“大象” 每个单词实际上都是文件中的一行，因此通常很长 文件和行数很大 我想快速搜索包含超过1GB文本文件的目录 因此，即使将它们存储在内存中也是一个问题，为此，您需要3个部分 功能来填充您的缓存 从输入中按字符查找功能 过滤和排序结果的功能（我不使用排序，因为我试图以与读取文件相同的顺序填充缓存，并且我想将包含输入的行以相同的顺序放在上面）
我希望这是有道理的