如何在elasticsearch上计算两个二进制文件之间的汉明距离

【问题标题】：How to calculate hamming distance between two binaries on elasticsearch如何在elasticsearch上计算两个二进制文件之间的汉明距离
【发布时间】：2019-09-02 03:53:51
【问题描述】：

我想将二进制文件保存在 elasticsearch 中，然后根据相似度得分（基于汉明距离）返回结果查询。所以我可以检索最接近的（得分更高）。

例子：

0000111100000000000000001 0000111100000000000000000

（汉明距离为1，接近，高分）

0000111100001110000000001 0111110100000001111100000

（汉明距离为13，远，低分）

我想带上最接近的，如果足够接近，可以检测到它们几乎相同。

【问题讨论】：

这些“二进制文件”究竟是如何表示的？您可以按位 XOR 并计算个数。

标签： algorithm elasticsearch binary

【解决方案1】：

您可能想看看 FENSHSES（快速精确邻居 Search in Hamming Space on Elasticsearch) 最近这篇论文提出的方法：

Mu, C、Zhao, J.、Yang, G.、Yang, B. 和 Yan, Z.，2019 年 10 月。在全文搜索引擎的汉明空间中快速准确的最近邻搜索。在相似性搜索和应用国际会议上（第 49-56 页）。查姆·斯普林格。

在 Elasticsearch 上的 Hamming 空间中进行最近邻搜索似乎是最先进的。

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接答案可能会失效。 - From Review
@stats0007 这不是链接，而是已发表的会议论文的引用，但我会在答案中添加更多内容。