String 映射字符串

我想用数字映射一些字符串（单词）。字符串越相似，其值越接近（映射的数字）。此外，在检查字母的位置组合时，应影响映射。映射函数应为字母的函数、位置（给定字母位置的组合优先顺序，如凹坑和尖端应不同）、字母数

好吧，我想举几个例子：starter、stater、stapper、starter、tstarter都是一些单词。这些单词的格式为“（*optional）sta（*opt）*er”，其中*表示某种类型的变量，在我们的例子中，它是“t”或“l”（即，对于初学者和初学者）。这些都应该单独映射，而不需要上下文，这样它们的值就不会有太大差异。然后在创建组时，我可以将适当的数字范围用于区分组

因此，在映射字符串时，它们的值应该相似。单词很多，所以相互比较会很复杂。因此，为每个单词独立地映射一些数值，并将相似的字符串（因为它们具有相似的值）放入一个组中，然后通过其他方式找到这些模式

因此，现在我需要查找一些现有的映射方法，以便类似的字符串（我想我已经为我的上下文澄清了术语“相似”）具有相似的值，并且这些值应该与不同的值不同。请再说一遍，我要强调的是，字符串的数量将是巨大的，而且相互比较几乎是不可能的（或者计算成本高且速度慢）。因此，我认为应该设计一种算法（借助现有算法）来映射单词（字符串）

我说清楚了吗？请先给我一些想法。一些搜索和研究的术语

---

我想我需要某种类型的“bad”散列函数来散列字符串，然后根据散列值将它们放入bucket中。至少有一些想法或算法名称。

似乎最好使用像这样的已知算法

---

显示，该链接与您想要的完全一样。

谢谢，我正在详细查看。让我们看看我是否可以使用它来满足我的要求。thanksi通过Levenshtein距离，我发现这是用来比较两个字符串的。但我要在哪里实现这一点，需要大量的数据。我试过比较大约100万个整数（大约10位数），这花了很长时间。所以我想，字符串对字符串的比较是完全不可能的。因此，我的意思是，可能有一些现有的方法可以单独通过数值来映射字符串，这样每当出现新字符串时，我们就可以使用数值来映射它们（使用相同的方法），并直接将它们放入合适的组中（group由数值范围组成）我不介意映射时是否有碰撞，但在最后，每当出现新单词时，我们根据这种方法对其进行映射，它的映射值应该接近已映射字符串的值。谢谢类似于ok…但他在那里不活跃，我无法联系他，答案也不相关，我真的希望通过与每个评论的互动和我问题的改进来解决问题。我不能在别人的帖子中这样做问题是一样的，但我不能对答案发表评论，这个问题是关于一小部分字符串（100），但这里我必须处理流字符串（在一段时间内有数百万个字符串（实际上是日志））。我的目的不是寻找像Levenshtein或jaccard_index coz这样需要传递字符串作为比较参数的相似性算法，这在我的例子中是不可能的。我只需要一些散列（评分）方法，这样散列值不会因为字符串中的微小变化而发生显著变化。很明显，这些字符串是非结构化的。最后一个链接给出了确切的信息：Simhash是一种为任何给定的单个字符串生成哈希值的方法，其结果值应该与类似字符串的值相似。感谢Ashelly，我目前正在研究Simhash。让我们看看我是否需要任何帮助，我可以很容易地张贴在这里，而评论其他帖子是相当困难的。