Java 提高字典中模糊字符串匹配的性能

因此，我目前正在使用模糊字符串匹配，在这里我有一个大型字典可供比较（字典中的每个条目都有一个关联的非唯一标识符）。我目前正在使用hashMap存储此词典

当我想进行模糊字符串匹配时，我首先检查字符串是否在hashMap中，然后迭代所有其他可能的键，计算字符串相似性并存储具有最高相似性的k，v对/s。根据我使用的词典，这可能需要很长时间（12330-1800035条）。有没有办法加快速度或使之更快？我目前正在编写一个记忆函数/表格，作为加速的一种方法，但是其他人能想出更好的方法来提高速度吗？也许是一个不同的结构或者是我缺少的其他东西

多谢各位

---

Nathan

你要找的是一个结合了Levenshtein距离算法的BK树（BK树）。BKtree中的查找性能取决于搜索的“模糊”程度。其中fuzzy定义为搜索词和匹配项之间的距离（编辑）数

以下是一个关于这个主题的好博客：

关于性能的一些注意事项：

算法说明

---

另外，这里有一个用Java编写的BK树。应该给您一个界面的概念：

或者您也可以使用Java Fuzzy HashMap（Java HashMap的一个扩展，允许模糊搜索）：我认为它正是您所需要的。这里有一个完整的数据结构描述：

请参阅这篇优秀的文章，了解不同模糊字符串匹配的解释和比较：

java源代码可在

---

这是一个技术问题。需要注意的是，如果搜索键少于5个字符，它将不会返回任何内容。您可以修改源代码，但有评论说，在测试少于5个字母的键时，源代码的准确性很差。此外，虽然BK树将返回一个接近匹配的列表，但FuzzyHashMap仅返回一个模糊匹配。再说一次，我认为这个问题很容易解决。