在 Python 中进行模糊键查找的最佳方法？

Question

我有一个问题，我需要在哈希映射中进行模糊查找，即返回与最接近查询的键对应的值，在我的例子中是由 Levenshtein 距离测量的。

我目前的方法是dict使用特殊的查找方法进行子类化，该方法计算所有键的 Levenshtein 距离，然后返回分数最低的键的值。基本上是这样的：

import Levenshtein

class FuzzyLookupDict(dict):

    def fuzzy_lookup(self, query):
        levs = [(key, Levenshtein.ratio(query, key)) for key in self.keys()]
        key, score = max(levs, key=lambda lev: lev[1])
        return self.get(key)

这是一个很好的方法还是有我没有想到的更好的解决方案？

Answer 1

这个问题通常用Levenshtein 自动机解决。字符串w和数字n的 Levenshtein 自动机是一个有限状态自动机，它可以识别与w的 Levenshtein 距离至多为n的所有字符串的集合。

该算法比使用动态规划为每个字典单词单独计算 Levenshtein 距离要快得多。

Jule Jacob 的博客文章Levenshtein Automata can be simple and fast是一个很好的起点，Nick Johnsonz 的该死的酷算法：Levenshtein Automata是一个更深入的介绍。

你可以在 Github 上找到一些 Python 实现，例如https://github.com/antoinewdg/pyffs。