Tag: minhash

存储Minhash的结果

结果是固定数量的数组，比如python中的列表（所有长度相同）。 人们可以将它看作矩阵，所以在c中我会使用一个数组，其中每个单元格都指向另一个数组。 如何用Python做到这一点？ 每个项目都是列表或其他内容的列表？ 我想到了一本字典，但关键是微不足道的，1,2，……，M，所以我不确定这是否是这里的pythonic方式。 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！

如何在Locality Sensitive Hashing（使用jaccard距离）中将向量哈希到桶中？

我正在实现一个近邻搜索应用程序，它将找到类似的文档。 到目前为止，我已经阅读了LSH相关材料的很大一部分（LSH背后的理论是某种令人困惑的，我还不能100％地对其进行比较）。 我的代码能够使用minhash函数计算签名矩阵（我接近结尾）。 我还在签名矩阵上应用了条带策略。 但是我无法理解如何将带中的签名向量（列）散列到桶中。 我的最后一个问题可能是最重要的问题，但我不得不问一些introduction问题： 问题1：哈希函数是否只将相同的向量映射到同一个桶？ （假设我们有足够的水桶） 问题2：哈希函数是否应该将相似的向量映射到同一个桶？ 如果是，那么这种相似性的程度/定义是什么，因为我不是在计算比较，而是在进行散列。 q3：根据上面的问题，我应该使用什么样的哈希表算法？ 问题4：我认为我最弱的一点是我不知道如何生成一个哈希函数，它将向量作为输入并选择一个桶作为输出。 我可以根据q1和q2自己实现一个…有关为LSH bucketing生成哈希函数的任何建议吗？