關於相關功能的數據結構的建議

Question

我們有一組文檔，每個文檔都有一組功能。 給定特徵A，我們需要知道在同一個文檔中具有特徵B的概率是多少。

我想構建一個概率矩陣，s.t： M（i，j）=在文檔中具有特徵B的概率，假設特徵A在那裏。

但是，我們有一個附加要求： 鑑於特徵A在文檔中，所有具有概率> P的特徵在同一個文檔中。

儘管所有我能想到的是一個概率矩陣的稀疏矩陣，並且在計算之後，對於遍歷所有列的每個特徵，按P排序，並將其保存在某個鏈接列表中。 （所以現在我們針對每個功能列出了相應的功能

這個空間複雜度相當大（最壞的情況：N^2，N很大！），每個搜索的時間複雜度爲O（ N）

任何更好的主意

Answer 1

如果特徵的數量與文件的數量，或更大的可比性，考慮舉行一個倒排索引：？對每個功能保持（例如排序列表）的文件然後可以通過在特徵A和B的排序列表上運行合併來計算給定B的概率。

對於「預計給定A的共同特徵」問題，我可以想到比預先計算每個A的答案並希望得到的特徵列表不會太長。