查找具有唯一标签的前 K 元素的算法

Algorithm to find top K elements with unique label

本文关键字：元素 算法 标签 唯一 查找      更新时间：2023-10-16

我有一个自定义结构数据：

struct mydata
{
    double distance;
    string label;
}

我将在一个循环中生成大量mydata。我想获得最微小的不饱和项目，同时他们的标签必须是唯一的。现在我正在使用最大堆来解决这个问题。我的算法是这样的：

// get topK items with unique label
for i = 1:N
{
    mydata item = generate_a_data();
    if (max_heap.size() < K)
    {
        insert_to_max_heap(item);
    }
    else // max_heap is full
    {
        if (item.distance < max_heap(top).distance)
        {
            insert_to_max_heap(item);
        }
    }
}

问题发生在insert_to_max_heap()，因为唯一标签的约束，我不能只用新项目替换max堆中的top节点，所以我必须迭代堆中的所有元素来查找是否存在相同的标签。如果存在一个节点具有相同的标签，我只是更新旧节点的距离。伪代码 ：

insert_to_max_heap(item)
{
    for_each node in max_heap
    {
        if (node.label == item.label)
        {
            if (node.distance > item.distance)
            {
                // update min distance
                node.distance = item.distance;
            }
            return;
        }
    }
    // no identical label, replace the top node
    max_heap.top = item;
    sort_max_heap();
}

有没有更有效的方法来改进我的算法或解决问题的新想法？算法应该尽可能快，我没有足够的空间来保存循环中的所有项目。

我认为您需要维护一个哈希映射，该映射的键是标签，值是最大堆中结构的位置（或指针）。

当生成新的 mydata 时，首先检查哈希图中是否存在具有相同标签的结构。如果为"是"，则根据距离决定是否替换它（替换后，如有必要，将其在堆中向下移动），否则确定是否将新的mydata插入堆中，并且不要忘记同时更新您的哈希映射。

相关文章：