c# - C# 的局部性保持哈希函数

Question

我需要 C# 的局部性保留哈希函数实现（或可能的替代解决方案）。我想找出一种使用相似性阈值将字符串（即有时长度略有不同的相似基因序列标记）映射到相同存储桶中的方法。例如，如果两个基因序列标记的 Levenshtein 编辑距离 < 5、10、25 等的指定阈值......我想将它们分配给相同的桶/类别。但是，我不能使用编辑距离，因为事先不知道标记类别，而且计算开销很大。我需要一个非常有效的局部性保留哈希函数（或替代解决方案），它允许我根据阈值确定最接近哈希值的存储桶，或者在不存在足够接近的存储桶时创建一个新存储桶。至今，我什至无法在 C# 中实现一个局部性保留散列函数，只有出版物。我想我会在尝试自己写之前先问一下。

Answer 1

一些语音算法（例如http://en.wikipedia.org/wiki/Soundex）可以提供帮助。

它基本上将单词转换为描述其发音的字符数组。它可用于搜索相似的单词。同样重要的是要注意，此类算法是特定于语言（人类语言，而不是编程语言）的。