一文了解局部敏感哈希(LSH)的前世今生

本文提要

在这篇博客中,我将首先介绍一个广泛被使用的Top-k查询操作和当前学术界加快这一查询的做法。第二,我将分析LSH如何实现加快查询,并介绍LSH的定义和给出一个例子来分析。最后,我最早关于LSH的论文以及它们的缺点,并引出后续相关论文的优化和缺点。

背景

Top-k查询,也就是给定一个目标 o o o,在一个数据集中找出和目标o最相似的k个目标。这一查询在各类应用中被广泛使用,例如聚类算法等。以下几个是实现方案:

暴力算法:实现Top-k查询,也就是计算 o o o和数据集中每一个目标的相似度,然后排序找出前k个。我们假设一个房子特征目标o={ a 0 = a_0= a0=地理, a 1 = a_1= a1=房子尺寸, a 2 = a_2= a2=楼层,…, a m = a_m= am=新旧}(这经常被用在机器学习中),典型地采用欧式距离计算两个目标 o 1 = { a 0 , a 1 , . . . a m } , o 2 = { b 0 , b 1 , . . . , b m } o_1=\{a_0,a_1,...a_m\},o_2=\{b_0,b_1,...,b_m\} o1={ a0,a1,...am},o2={ b0,b1,...,bm}的相似度: d ( o 1 , o 2 ) = ( a 0 − b 0 ) 2 + ( a 1 − b 1 ) 2 , . . . , ( a m − b m ) 2 d(o_1,o_2)=\sqrt{(a_0-b_0)^2+(a_1-b_1)^2,...,(a_m-b_m)^2} d(o1,o2)=(a0b0)2+(a1b1)2,...,(ambm)2 ,这一时间复杂度是 O ( m ) O(m) O(m),假设数据集大小为 n n n,那么执行一次Top-k的复杂度为 O ( m n ) + O ( l o g ( n ) ) O(mn)+O(log(n)) O(mn)+O(log(n)),其中 m m m是数据维度,后者是排序复杂度。
显然,这一复杂度是十分高昂的,特别是在数据集的维度 m m m很大时,一次查询的时间会很长。

空间划分算法:为了改善查询效率,研究学者提出了包括Kd-Tree,R-Tree,PM-Tree等各类空间划分算法,但不幸的是,他们只适用于 m m m较小的情况下,典型地10~15以下。

在数十年的研究之后,学者发现要想准确地找到所有Top-k结果,高额的时间开销是难以避免的,因此近似的(approximate)Top-k查询的概念被提出 。具体而言,近似Top-k查询找到的k个结果不一定是精确Top-k查询的结果。一般而言,我们用Recall来衡量近似Top-k查询结果的质量:
Recall = ∣ R ∩ R ∗ ∣ ∣ R ∗ ∣ \text {Recall}=\frac{\left|R \cap R^{*}\right|}{\left|R^{*}\right|} Recall=RRR
其中, R = { o 0 , o 1 , . . . , o k } R=\{o_0,o_1,...,o_k \} R={ o

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
完整版:https://download.csdn.net/download/qq_27595745/89522468 【课程大纲】 1-1 什么是java 1-2 认识java语言 1-3 java平台的体系结构 1-4 java SE环境安装和配置 2-1 java程序简介 2-2 计算机中的程序 2-3 java程序 2-4 java类库组织结构和文档 2-5 java虚拟机简介 2-6 java的垃圾回收器 2-7 java上机练习 3-1 java语言基础入门 3-2 数据的分类 3-3 标识符、关键字和常量 3-4 运算符 3-5 表达式 3-6 顺序结构和选择结构 3-7 循环语句 3-8 跳转语句 3-9 MyEclipse工具介绍 3-10 java基础知识章节练习 4-1 一维数组 4-2 数组应用 4-3 多维数组 4-4 排序算法 4-5 增强for循环 4-6 数组和排序算法章节练习 5-0 抽象和封装 5-1 面向过程的设计思想 5-2 面向对象的设计思想 5-3 抽象 5-4 封装 5-5 属性 5-6 方法的定义 5-7 this关键字 5-8 javaBean 5-9 包 package 5-10 抽象和封装章节练习 6-0 继承和多态 6-1 继承 6-2 object类 6-3 多态 6-4 访问修饰符 6-5 static修饰符 6-6 final修饰符 6-7 abstract修饰符 6-8 接口 6-9 继承和多态 章节练习 7-1 面向对象的分析与设计简介 7-2 对象模型建立 7-3 类之间的关系 7-4 软件的可维护与复用设计原则 7-5 面向对象的设计与分析 章节练习 8-1 内部类与包装器 8-2 对象包装器 8-3 装箱和拆箱 8-4 练习题 9-1 常用类介绍 9-2 StringBuffer和String Builder类 9-3 Rintime类的使用 9-4 日期类简介 9-5 java程序国际化的实现 9-6 Random类和Math类 9-7 枚举 9-8 练习题 10-1 java异常处理 10-2 认识异常 10-3 使用try和catch捕获异常 10-4 使用throw和throws引发异常 10-5 finally关键字 10-6 getMessage和printStackTrace方法 10-7 异常分类 10-8 自定义异常类 10-9 练习题 11-1 Java集合框架和泛型机制 11-2 Collection接口 11-3 Set接口实现类 11-4 List接口实现类 11-5 Map接口 11-6 Collections类 11-7 泛型概述 11-8 练习题 12-1 多线程 12-2 线程的生命周期 12-3 线程的调度和优先级 12-4 线程的同步 12-5 集合类的同步问题 12-6 用Timer类调度任务 12-7 练习题 13-1 Java IO 13-2 Java IO原理 13-3 流类的结构 13-4 文件流 13-5 缓冲流 13-6 转换流 13-7 数据流 13-8 打印流 13-9 对象流 13-10 随机存取文件流 13-11 zip文件流 13-12 练习题 14-1 图形用户界面设计 14-2 事件处理机制 14-3 AWT常用组件 14-4 swing简介 14-5 可视化开发swing组件 14-6 声音的播放和处理 14-7 2D图形的绘制 14-8 练习题 15-1 反射 15-2 使用Java反射机制 15-3 反射与动态代理 15-4 练习题 16-1 Java标注 16-2 JDK内置的基本标注类型 16-3 自定义标注类型 16-4 对标注进行标注 16-5 利用反射获取标注信息 16-6 练习题 17-1 顶目实战1-单机版五子棋游戏 17-2 总体设计 17-3 代码实现 17-4 程序的运行与发布 17-5 手动生成可执行JAR文件 17-6 练习题 18-1 Java数据库编程 18-2 JDBC类和接口 18-3 JDBC操作SQL 18-4 JDBC基本示例 18-5 JDBC应用示例 18-6 练习题 19-1 。。。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值