用于判定事物相似度的algorithms、data structures及所属领域咨询

这类基于共同特征判定事物相似度的问题，属于信息检索、模式识别和数据挖掘的交叉研究范畴，细分下归为集合相似度计算、近似近邻搜索领域，在推荐系统、实体对齐、搜索引擎、标签匹配等工业场景中应用非常普遍。

• 子集匹配算法：刚好适配你给出的场景，直接判定查询特征集合是否为待匹配对象特征全集的子集，小数据量下直接遍历即可得到结果。
• Jaccard相似度算法：计算两个特征集合的交集占并集的比例，取值范围为0~1，数值越高相似度越高，适合不需要严格子集匹配、仅需判定特征重合度的场景。
• 余弦相似度：将特征转换为多维0/1向量（存在对应特征标记为1，不存在标记为0）后，计算两个向量的夹角余弦值，衡量特征分布的相似性。
• 最小哈希（MinHash）：面向海量高维特征场景，用来快速估算两个集合的Jaccard相似度，能大幅降低计算开销，适合大规模数据集下的近似相似度匹配。
• 局部敏感哈希（LSH）：将高维特征映射到低维空间，保证原空间中相似的特征映射后也有大概率相邻，适合海量数据下的快速近邻检索，避免全量遍历的性能损耗。

• 倒排索引：为每个特征值建立倒排表，记录所有包含该特征的对象ID，查询时直接取所有查询特征对应的倒排表求交集，就能快速得到包含全部查询特征的对象，适配你给出的子集匹配场景，查询效率远高于全量遍历。
• 哈希集合：存储单个对象的特征集合时，哈希集合可以将单次特征存在性查询的时间复杂度降到O(1)，大幅提升子集匹配的计算效率。
• 布隆过滤器：可以快速判定查询特征是否大概率存在于某个对象的特征集合中，适合做前置过滤，快速排除完全不匹配的对象，降低后续计算量。
• 前缀树（Trie）：如果特征存在有序性或者公共前缀，可以用前缀树存储特征集合，加速集合包含、交集计算的速度。
• 跳表：如果需要支持特征的范围查询，跳表可以实现O(logn)的查询效率，适配有范围匹配需求的场景。

对应你给出的示例，优先使用倒排索引+哈希集合的组合就能高效实现需求：查询时先取特征2和90对应的倒排表求交集，直接就能得到Object_1的结果，不需要遍历所有对象做特征比对。

内容的提问来源于stack exchange，提问作者jakstack