求解類似資料如何搜尋!

資料格式如下
"10101010001001101100100011000100100100001011100001000010010101000101010101000101".....共計256位
就是除了1就是0的唯一標示符256位的跟64位的還有1024位的
這種標示符
目前我已經有256位的跟64位的了,目前資料我已經產生了800w條,陸續產生中

字串1="10101101001010010111010101100001011101000101010010001000111001101010010101"...
字串2="10101001001011010111010101000001011101000101110010001001111001101010010101"....
求這兩個字串的相似性 順序比較 以下為相似性 計算

$len = strlen($hash1);for ($i = 0; $i < $len; $i++){    if ($hash1[$i] !== $hash2[$i])    $count++;}    return  1-($i/$len);

得到相似性
搜尋要求為
從資料庫中讀取出跟 "字串s" 相似性>0.9的,目前資料採用mysql儲存,屬於個人瞎胡鬧搞得東西,不會採用商務資料庫儲存買不起,可以採用nosql儲存,memcache儲存,主要程式語言PHP,javascript算是預先處理,我就會這兩種!

求大神解這種資料如何搜尋!!!!!!

回複內容：

資料格式如下
"10101010001001101100100011000100100100001011100001000010010101000101010101000101".....共計256位
就是除了1就是0的唯一標示符256位的跟64位的還有1024位的
這種標示符
目前我已經有256位的跟64位的了,目前資料我已經產生了800w條,陸續產生中

字串1="10101101001010010111010101100001011101000101010010001000111001101010010101"...
字串2="10101001001011010111010101000001011101000101110010001001111001101010010101"....
求這兩個字串的相似性 順序比較 以下為相似性 計算

$len = strlen($hash1);for ($i = 0; $i < $len; $i++){    if ($hash1[$i] !== $hash2[$i])    $count++;}    return  1-($i/$len);

得到相似性
搜尋要求為
從資料庫中讀取出跟 "字串s" 相似性>0.9的,目前資料採用mysql儲存,屬於個人瞎胡鬧搞得東西,不會採用商務資料庫儲存買不起,可以採用nosql儲存,memcache儲存,主要程式語言PHP,javascript算是預先處理,我就會這兩種!

求大神解這種資料如何搜尋!!!!!!

我能想到演算法上的兩個最佳化點。

第一個，是你逐位判斷的代碼裡面，只要$count大於$len的10%就不用迴圈下去了，相似性必然小於0.9。

第二個，既然資料是自己產生的，那可以在產生時一併儲存拆分值的十六進位數。

舉個例子，比如1024位的字串，每16位為一個單位，共拆分為64個單位，每個單位的16位位元轉換成4位16進位數，和這個1024位的字串一併儲存起來。
每次比較時，先逐個比較這64個單位的數值是否相同，如果有58個相同，那相似性就有0.9以上。

如果只有57個相同呢？剩下不同的7個4位16進位數，一共有4*7=28位十六進位數字，然後進行逐個比較。
有a個相同，則1024位轉化成256位的十六進位數的數字上的相似性等於((57*4)+a) / (64*4) ，他要大於0.9。也就是說，在逐個比較時，a大於等於0.9*64*4 - 57*4 就不用判斷了，相似性大於0.9。

如果只有a-1個相同呢？把不同的28-(a-1)位轉化為2進位，按上面的方法，逐個比較。
有b個一樣，相似性為((57*16)+(a-1)*4+b) / 1024，他要大於0.9，即b大於等於0.9*1024 - 57*16 - (a-1)*4時，相似性大於0.9。

把上面的57和a-1換成任意的x y就是實際情況了。雖然計算量還是很大，不過相比逐個比較小了很多了。

另外，計算出每兩個16位位元的單位的相似性的時候可以緩衝起來，留給256位和64位比較時用。仔細想想量好像也很大……就不繼續寫了。

兩個串直接做與運算，然後結果統計1的數量，與其中一個串比較，數量相近則相似

瞭解一下海明距離，還有cos相似性

