有效的最近邻搜索稀疏矩阵

Question

我有一大堆数据（文本），我已将其转换为稀疏的术语 - 文档矩阵（我使用scipy.sparse.csr.csr_matrix来存储稀疏矩阵）。我想找到，对于每个文件，前n个最近邻居匹配。我希望NearestNeighbor库中的Python scikit-learn例程（sklearn.neighbors.NearestNeighbor是精确的）可以解决我的问题，但是使用空间分区数据结构的有效算法，例如KD trees或{ {1}}不适用于稀疏矩阵。只有蛮力算法适用于稀疏矩阵（在我处理大型语料库时，这种情况不可行）。

稀疏矩阵的最近邻搜索是否有效（Python或其他任何语言）？

感谢。

Answer 1

迟到的答案：看看Locality-Sensitive-Hashing

提出了对scikit-learn的支持here和here。

Answer 2

您可以尝试使用TruncatedSVD将高维稀疏数据转换为低维密集数据，然后执行球树。