Algorithm 任意度量的最快k近邻？

这个问题的关键是“任意度量”。如果你不知道那是什么，这只是测量点之间距离的方法。（在“真实”世界中，一维距离只是两点之间差值的绝对大小）

足够多的预LIM。我试图找到一种具有以下特性的快速k近邻算法：

• 适用于任意度量
• 有点容易实现
• 优化用于查找一组点到另一组点的距离

Wikipedia提供了一个算法和方法的列表，但没有任何关于实现的内容

更新：度量是余弦相似性，它不满足三角形的质量要求。然而，我似乎可以使用“角度相似性”（根据维基百科）

更新：用例是自然语言处理。“向量”是给定单词的“上下文”，由二进制属性（例如：文档标题）表示。因此，虽然可能只有几个属性（现在我只使用3），但每个向量都有任意大的维度（在标题示例中，数据库中的每个标题都对应于向量中的维度）

更新：出于好奇，我正在实现这个算法：

---

更新：该算法需要从大约100个点中找到大约12个点的最近邻。平均尺寸可能非常大，比如说50，（我真的还不知道）。是的，我感兴趣的是算法，而不是库。是的，估计值可能已经足够好了。

我建议您使用位置敏感哈希（LSH），这是目前的趋势。它降低了高维数据的维数，但我不确定您的维数是否与该算法相匹配。更多信息请参见维基百科

您可以使用自己的度量，但通常可以在许多算法中使用。希望这有帮助

---

你可以选择RKD树，一个由RKD树组成的森林，但现在这可能太多了。

我认为这些结构中的许多都不容易用任意的度量编码。出于好奇，你的度量满足三角形不等式吗？这个度量的性质是什么？在一般情况下，没有更简单的答案。@templatetypedef使用不满足三角形不等式的度量来尝试k个最近邻是否可能/有意义？@igavriil Yep！对于任何点，都可以根据度量找到离它最近的k点。这些点不一定要彼此靠近，但它们仍然可以是离我们的主要点最近的k个点。我不知道任意的指标会有什么不同。但是是的，它看起来满足三角形ineq。查看更新这篇研究论文似乎不太实用（见图）…他们测量相似单词的方法不适用（因为dim与系统中的文档/链接总数成比例！）。我要看看“基于字符串”的相似性。但我会把这个标记为答案，因为从技术上讲，它是正确的。谢谢请问你指的是哪篇论文？：）不客气，好问题，顺便提一下，+1。问题中引用了“用于本体论半自动进化的智能系统”。我正在寻找相似性的替代度量（例如：最频繁的K距离），看来我无论如何都会使用LSH。多谢！谢谢你的好问题，这让我质疑自己，你当然应该得到+1！祝你的项目好运！仅供参考，LSH不适用于任意指标。有一个算法，但它隐藏在神秘的数学后面。看见另一种方法似乎是使用q-grams+minhashing+LSH