Algorithm 类Levenstein距离度量中的最近邻搜索

我有一套单词（“字典”），我必须从字典中找到最接近的单词，给定一个新词。（我使用“word”作为关键字，因为它实际上是一个长度可变的抽象“字母”序列）

我使用Levenstein距离的推广作为度量-我需要推广的原因是我需要交换两个给定字母的特定“成本”-例如，我需要将“a”与“b”交换，以使“a”与“c”交换的成本更低。我想我还是要说服自己，我的泛化仍然是一个度量

目前我正在使用朴素的线性搜索，即迭代字典中的所有单词并跟踪最小距离，我正在寻找一种更有效的方法

我开始阅读关于最近邻搜索的方法，但对我来说，主要的概念上的困难是我的“点”（单词）没有嵌入到我可以想象的空间中，它们也不是具有维度的向量等

---

考虑到这一点，我想听听关于寻找哪种算法的建议。

让我重新表述你的问题，并给你一个可能的答案。如果没有看到您的数据集，我不知道哪一个更适合您

您已经有了一个算法，给定两个单词，就可以给出它们之间的距离。它基于这些单词之间的路径的Levenstein距离，并对成本进行了一些修改。你想找到与给定单词最接近的单词，而不必搜索整本词典

我会尝试的最简单的事情是从你的单词开始，搜索所有可能的修改集，直到你在字典中找到最接近的单词。您需要修改宽度优先搜索。将

（0，您的单词）

存储为某种类型（堆很容易实现）中的唯一条目，获取到随机字典单词的距离作为当前最佳解决方案，然后只要优先级队列不为空：

Take the lowest cost element out.
If it is more expensive than your best solution:
    stop, return your best.
For each possible one step modification of that word:
    if the new word is in the dictionary and is lower cost than your best:
        improve best estimate
    else:
        store (new_cost, new_word) in the priority queue

这将导致从原始单词开始的搜索集呈指数级增长。但是如果字典里有一个附近的单词，它应该很快就能找到。如果你走这条路线，你可能希望给它的搜索空间设置一个上限，然后放弃

---

这可能远不是最佳解决方案，但编程和尝试应该不会太难。

谢谢，我将尝试并报告。