我有一个很大的数据语料库（文本），我已经将其转换为稀疏术语文档矩阵（我使用scipy.sparse.csr.csr_matrix来存储稀疏矩阵）。我想为每个文档查找前n个最近邻居匹配项。我希望Python scikit-learn库（准确地说是sklearn.neighbors.NearestNeighbor）中的NearestNeighbor例程能解决我的问题，但使用空间划分数据结构（如KD trees或Ball trees）的高效算法无法处理稀疏矩阵。只有蛮力算法适用于稀疏矩阵（在我处理大型语料库的情况下，这是不可行的）。
稀疏矩阵的最近邻搜索是否有任何有效的实现（在Python或任何其他语言中）？
谢谢。
迟来的答案：看看位置敏感哈希
支持scikit学习已经在这里和这里提出。
您可以尝试使用TruncatedVD将高维稀疏数据转换为低维密集数据，然后创建球树。