快速将字符串与Java中的Collection进行比较

Question

我正在尝试计算字符串与集合的编辑距离，以找到最接近的匹配项。我目前的问题是集合非常大（大约25000个项目），所以我不得不将集合缩小到相似长度的字符串，但仍然只能将其缩小到几千个字符串，这仍然非常慢。是否存在允许快速查找类似字符串的数据结构，还是有其他方法可以解决此问题？

Answer 1

听起来像BK-tree可能就是你想要的。这是一篇讨论它们的文章：http://blog.notdot.net/2007/4/Damn-Cool-Algorithms-Part-1-BK-Trees。 quick Google产生了一些Java实现。

Answer 2

Levenshtein Automata允许从大字典中快速选择一组单词，使得它们与给定单词在给定的Levenshtein距离内。

见：Schulz K，Mihov S.（2002）Fast String Correction with Levenshtein-Automata。

Answer 3

如果“类似”的标准定义了总排序，则应该能够定义比较器并使用TreeSet查找最接近的匹配（例如，使用天花板和地板方法）。