c# - .net Distinct()和复杂条件

假设我有一个类

public class Audio
{
    public string artist   { get; set; }
    public string title    { get; set; }
    // etc.
}

现在，我想通过相似性(不是完全匹配)条件来过滤此类音频列表中的重复项。基本上，这是勒文斯泰因距离，并通过弦的总长度进行阈值校正。问题是，关于IEqualityComparer的一般提示是“始终实现GetHashCode和Compare”。我显然无法计算GetHashCode中字符串之间的距离，因为它根本不是比较方法。但是，在这种情况下，即使是相似的音频也会返回不同的哈希值，而Distinct()会将其视为不同的对象，并且不会触发compare()方法。

我试图强制GetHashCode始终返回0，所以在collection中为每个对象调用Compare，但这很慢。所以，最后，一个问题是:.net可以直接使用.net做任何事情吗？还是应该搜索一些好的过滤算法？

最佳答案

我建议(首先)不要使用 Distinct 或 GetHashCode 。

GetHashCode 对于您的情况过于严格(如@Gabe所指出的那样)。
您可以做的是:

承认您将必须使用Levenshtein

比较实例对的整个三角形(O(n ^ 2)复杂度)

尝试使用本书中的所有技巧来优化该效果:如何计算从空字符串到当前一种声音(即Audio的每个实例，以及两个字符串属性可能分别)的 Levenshtein距离？

最终(可能有人会说)得到了一个好东西 GetHashCode 。
但是您不能像 GetHashCode 那样使用它，而应该这样使用:

bool AreSimilar(Audio me, Audio you) {
  int cheapLevenshtein = Math.Abs(me.AbsoluteQuasiLevenshtein - you.AbsoluteQuasiLevenshtein);

  if (cheapLevenshtein < THRESHOLD) {

    int expensiveLevenshtein = Audio.LevenshteinBetween(me, you);
    var result = (expensiveLevenshtein < LIMIT);
    return result;

  } else
    return false;
}

然后，您将获得更好或更糟的算法。这只是一个想法，当然:您不能使用Distinct()。如果愿意，您可以编写自己的扩展方法，从用户程序员的角度来看，使整个过程看起来不错。

是的， AbsoluteQuasiLevenshtein 在诸如“ab”和“zy”之类的东西上是相等的，但在“ab”和“blahblahblahblah”之间却有很大的不同，至少您会优化一些东西。 ( GetHashCode + 不同的方法提出了另一个问题- GetHashCode 的严格性)。

关于c# - .net Distinct()和复杂条件，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15055473/