![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
局部敏感哈希(LSH)
基本原理介绍,前沿工作分析
W24-
这个作者很懒,什么都没留下…
展开
-
LSH系列3:p-stable LSH&E2LSH——原理介绍
p-stable LSH背景LSH 方法是处理海量高维数据 Approximate Nearest Neighbor(ANN)查询的有效的方法。在处理欧氏空间中 ANN 问题时,原始的 LSH(Original LSH) 方法将原始空间中的点嵌入到 Hamming 空间中,即将欧氏空间中点的表示形式转换成 Hamming 空间中点的表示形式,原始空间中的距离度量转换成 Hamming 空间中的距离度量,即 Hamming距离(其定义为两个等长序列各位进行异或运算,结果为 1 的个数)。对应该汉明距离原创 2020-10-13 12:08:00 · 4717 阅读 · 6 评论 -
LSH系列1:局部敏感哈希(LSH)——基本原理介绍
文章目录局部敏感哈希(LSH)参考背景LSH 的基本思想LSH 的查找过程LSH 的哈希函数应满足的条件LSH 的哈希函数族局部敏感哈希(LSH)参考LSH(Locality Sensitive Hashing)原理与实现。局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍。背景这是一种用于海量高维数据的近似最近邻快速查找技术。也可以用来发现最相似的集合(集合中元素个数很多,而且有很多集合需要判断,说到集合相似性,这就需要用到 Jaccard距离 和 Mi原创 2020-10-11 16:28:30 · 10451 阅读 · 0 评论 -
LSH系列2:MinHash&LSH——文档(集合)相似性
MinHash 原理前言MinHash 用于比较集合的相似度。在数据挖掘中,一个最基本的问题就是比较两个集合的相似度。通常通过遍历这两个集合中的所有元素,统计这两个集合中相同元素的个数,来表示集合的相似度;这一步也可以看成特征向量间相似度的计算(欧氏距离,余弦相似度)。当这两个集合里的元素数量异常大(特征空间维数很大),同时又有很多个集合需要判断两两间的相似度时,传统方法会变得十分耗时,最小哈希(minHash)可以用来解决该问题。Jaccard 相似度Jaccard 相似度:通过计算交集的相对原创 2020-10-07 19:33:54 · 4426 阅读 · 1 评论