C++ 许多字符串中的相似字符串

我有大量字符串，比如N，我必须从中找出类似字符串的集合。
例如：

输入：

可编程

堆叠

树

堆栈溢出

trie

节目

古怪的

输出：

set 1:

可编程

程序

set 2:

堆栈溢出

堆叠

set 3:

树

trie

set 4:

oddoneout

那么，什么是高效的

算法

（在空间和时间上）

1） 使用levenshtein距离是一个很好的方法，但我们仍然必须为每个字符串搜索所有n-1字符串

2） 使用trie可能很好（就前缀而言），但不是最好的方法，因为它不能比较像al

g

orithm和al

q

kefgjwfkvvjs这样的字符串，它们根本不相似

两个字符串的相似性：
1） 两者中不同字符的数量越少，它们就越相似
2） 只需在一个或两个字符串中添加一些字符，即可将一个字符串转换为另一个字符串
请分享你的观点

---

请不要发表关于外部软件等的文章。

你能做一个基于点的系统吗？比如说，每个匹配的字符都得1分，其他发音相似的字母（或键盘上接近它的字母或接近音标的字母得0.5分或其他什么），而其他不匹配的字母得0分

因此，您有

树

，希望找到类似的单词

程序

得1分，因为只有r匹配在正确的位置

trie

得到3

例如，

trwe

get 3.5

但是，你要以宽容的态度看待分数。这个公差决定了你希望它离你有多近

但这确实取决于你在寻找什么

---

这是一个完全没有空气的东西，所以不知道它会有多好的工作。这只是一个想法。

您对两个字符串相似性的限制听起来像是编辑距离问题：

您可以通过O（NxM）中的动态规划算法获得两个字符串之间的最小编辑距离，其中N和M是每个字符串的长度

您可以设置一个阈值数字，上面写着“字符串的相似程度如何”，设置该数字后，您可以尝试一种“全对全”算法，以检查所有字符串之间的每个可能的最小编辑距离。我想你可以用这些信息来制作布景

如果您知道问题中的字符串很短（比如长度<100），那么这种方法可能是一个很好的解决方案

编辑：

设K为要在集合中分类的字符串数，N为字符串的平均长度。我提出的算法的复杂度是O（（K^2）x（N^2））

---

（这就是为什么我们希望N是一个小数字）

字符串相似性的定义是什么？那么，单词

聪明

和

聪明

相似吗？你必须定义字符串的

相似性

@Rndm@rondogianis Aristophanes增加了相似性的含义不平凡：如果天气不好，是否会考虑是否感觉良好。Soundex算法可能会有一些变化？