String 快速从数据库中获取模糊字符串匹配

我有一个约15万单词的数据库和一个模式（任何单个单词），我想从数据库中获取所有单词，该数据库与模式之间的距离小于给定数字。我需要做得非常快。你能推荐什么算法？如果没有好的达梅劳-列文施泰因距离算法，也欢迎使用列文施泰因距离

谢谢你的帮助

---

另外，我不打算使用SOUNDEX。

我建议您调查一下

---

我不确定它是否满足您对精度的要求，但它很快

我认为如果不实际枚举所有行，就无法计算此类函数。
因此，解决办法是：

使其成为一个非常快速的枚举（但这并不能真正扩展）

以某种方式过滤初始变量（按字母索引，至少x个常用字母）

使用可选（可索引）算法，例如N-Grams（但我没有关于ngrams结果质量与D-L距离的详细信息）

---

我脑海中浮现的一个解决方案可能是将数据库存储在一个排序集中（例如，C++中的

std:：set

），因为在我看来，按字典排序的字符串会比较好。若要近似给定字符串在

集合中的位置，请在字符串上使用
std:：upper_bound
，然后从找到的位置开始在两个方向上向外迭代集合，计算移动时的距离，当距离低于某个阈值时停止。我有一种感觉，这种解决方案可能只会匹配具有相同起始字符的字符串，但是如果您使用算法进行拼写检查，那么这种限制很常见，或者至少不令人惊讶

编辑：如果您正在寻找算法本身的优化，那么这个答案是不相关的。
我将从一个SQL函数开始计算Levenshtein距离（在T-SQL或.Net中）（是的，我是MS person…），其中的最大距离参数将导致提前退出

然后可以使用此函数将您的输入与每个字符串进行比较，以检查距离，如果它超出阈值，则继续下一步

例如，我还认为您可以将最大距离设置为2，然后过滤长度超过1的所有单词，同时第一个字母不同。有了索引，这可能会稍微快一点

您还可以使用快捷方式返回所有完全匹配的字符串（索引将加快速度），因为计算0的Levenshtein距离实际上需要更长的时间

只是一些想法……
我使用KNIME进行字符串模糊匹配，并得到了非常快的结果。在其中创建可视化工作流也非常容易。只需从安装KNIME free edition，然后使用“字符串距离”和“相似性搜索”节点即可获得结果。我在这里附加了一个小的模糊匹配示例工作流（在本例中，输入数据来自顶部，要搜索的模式来自底部）：
无特殊要求。算法越快越好。我试着用standart算法计算距离（如下图所示），并决定我需要更快的速度。。。或者不可见。你应该用几句话来解释，并给出更具体的链接！