minhash

1热度

2回答

结果是固定数量的数组，我们假设列表（全部长度相同）在python中。人们也可以将它看作一个矩阵，所以在c我会使用一个数组，每个单元格将指向另一个数组。如何在Python中做到这一点？列表中的每个项目是列表还是其他内容？我想到了一本字典，但键很平凡，1，2，...，M，所以我不确定这是否是pythonic的方式去这里。我对实施不感兴趣，我对我应该遵循哪种方法感兴趣，我应该选择哪种方式！

1热度

1回答

从文本文件（八度）创建一组带状疱疹

我在Octave/Matlab中创建MinHash和LSH。但我试图从一个给定的文档中得到一个k个大小的集合（单元数组或数组），我不知道该怎么做。我现在所拥有的就是这个简单的代码： doc = fopen(document); i = 1; while (! feof(doc)) txt{i} = strread(fgetl(doc), '%s'); i++; endw

1热度

2回答

使用最小哈希比较2套以上

我有一个叫FindSimilar类使用最小哈希找到2套（及这一目标，它的伟大工程）之间的相似性。我的问题是我需要比较2组以上，更具体地说，我需要比较给定的set1与未知数量的其他组。这里是类： import java.util.HashSet; import java.util.Map; import java.util.Random; import java.util.Set; pub

0热度

1回答

如何获得非唯一值的熊猫两个系列的交集和联合？

如果我有2个Series对象，像这样：[0,0,1] [1,0,0] 如何得到两个交点和联合？它们只包含布尔值，这意味着它们是非唯一值。我有一个大的布尔矩阵。我对它进行了细化，现在我试图找到误报和否定，我认为这意味着我必须让每个原始对的Jaccard相似。

0热度

1回答

使用Geometric Min Hash查找相似图片：如何计算理论匹配概率？

我试图匹配基于视觉单词的图像（标记为图像内的关键点）。当将模拟结果与我的理论结果进行比较时，我会得到明显的偏差，因此我猜想我的理论概率计算中必定存在一个错误。你能想象两幅图像集的视觉字（视觉词的名字范围从A到Z）： S1=SetImage1={A, B, C, D, E, F, G, H, I, J, L, M, N, O, Y, Z} S2=SetImage2={A, L, M, O, T,

2热度

1回答

MinHashing vs SimHashing

假设我有五组我想集群。据我所知，这里所描述的SimHashing技术： https://moultano.wordpress.com/2010/01/21/simple-simhashing-3kbzhsxyg4467-6/ 可能产生三个集群（{A}，{B,C,D}和{E}），举例来说，如果其结果是： A -> h01 B -> h02 C -> h02 D -> h02 E -> h03

1热度

2回答

什么比simhash更有利于minhash？

我正在使用simhash，但也看到minhash更有效。但我不明白。请为我解释：什么比simhash更有利的minhash？

0热度

1回答

如何检测大数据上的相似文字？

正如我刚才所知，simhash和minhash可用于此任务。但是所有这些算法都必须遍历整个文本数据库，这将非常可靠。有没有可以加速任务的优化或其他算法？我所想到的就是将文本数据库分成几个部分，并将两两相似性并行。我的文本数据库有大约10亿条记录。

0热度

1回答

设置距离作为MinHashing算法的相似性度量

我目前正在使用MinHashing技术进行文档聚类。但是，由于MinHash是Jaccard similarity的粗略估计，因此我没有得到期望的结果，并且它不适合我的要求。这是我的情景：我有一个巨大的一套书，如果一个页面是作为一个查询，我需要找到从自获得该页面对应的书籍。限制是，我拥有整本书的功能，并且不可能获得书籍的逐页功能。在这种情况下，如果书太大，Jaccard的相似性会导致较差的结果

0热度

1回答

如何通过MinHash计算两个文本与两个包的Jaccard相似度的相似度？

我有以下两个文本： text0 =“AAAAAAAAAAAA”; text1 =“AAAAABAAAAAA”; 我使用4-ingle。因此，text0 = {AAAA}，text1 = {AAAA，AAAB，AABA，ABAA，BAAA}。然后，Jaccard相似度是sim = 1/5 = 0.2。我不想要这个结果。因为这两个文本似乎有很高的相似性。我想用袋子相似如下： text0 = {A