1回答
我正在对一个pyspark dataframe执行一个简单的过滤操作，它有一个minhash jaccard相似性列。minhash_sig = '123'，'345‘ minhash_sig = [str(x) for x in minhash.signature(doc)]
# columns are id, and minhash_arr
浏览 20提问于2021-08-30得票数 0
回答已采纳
1回答
LSH宾宁在飞
、、
我想使用MinHash LSH将大量文档放入类似文档的桶中(Jaccard相似性)。
问题：是否有可能在不知道其他文档的MinHash的情况下计算MinHash的桶？在了解所有文档的MinHash之后，我可以查询与给定文档类似的LSH文档。然而，在了解其他文档之前，我看不出如何获得单个文档的桶。
浏览 2提问于2019-06-01得票数 0
回答已采纳
2回答
可以为每个文档计算MinHash签名，并构建倒排索引，从数据库中查询相似的文档。但是我不能理解如何将MinHash映射到关系数据库。| minhash0 | minhash1 | minhash3 | docid |select * from invi
浏览 3提问于2012-12-04得票数 1
回答已采纳
利用MinHash算法计算了两组集的相似度。MinHash的计算值与Jaccard相似系数接近。Minhash步骤是：对1.2^m应用随机置换重复步骤2和3，n次。为什么该算法对哈希值进行随机排列并选择minHash？为什么不直接从每个集合中选择一个随机散列并对它们进行比较呢？
浏览 0提问于2022-06-11得票数 0
以表明我想要一个固定长度的数组列，实际上我并不想找到min或max) docID Shingles散列D1 23、25、39、59 D2 34、45、65 我创建了udf，如下所示： def generate_minhash_signaturesshingleID > maxHashCode: return [minHashCode, maxHashCode]
minhash_udf= udf(generate_minhash_signatures, A
浏览 139提问于2019-02-07得票数 0
回答已采纳
1回答
我有一个列表minhash_sig = '112'，'223'，我想找到这个列表和pyspark列中的每个元素之间的jaccard相似性。不幸的是，我不能这么做。spark.createDataFrame( (1, ['112','333']), ],
["id", "minhash"] # add
浏览 5提问于2021-08-28得票数 1
回答已采纳
我正在处理200k个句子，我想使用minhash算法找到Jaccard相似度。但由于有两个for循环，它变得非常慢。有人能给我推荐一些好的实现方法吗？下面是我当前的代码 m1 = MinHash() for d in data1:
m1.update(d.encode('ut
浏览 9提问于2020-06-19得票数 0
DATEDIFF('day', first_action.date, returning_action.date) - 1 as diff, FROM (select cast(_time as date) as date, minhashas user_id_set from events group by 1) as f
浏览 40提问于2019-04-06得票数 0
我正在尝试创建一个用于最近邻搜索的forst，但我不确定这样做是否正确，或者甚至不确定MinHash / LSH是否适合我的数据。我问这个是因为结果是不可用的。512维，例如值有点，例如0或1，这对于MinHash / LSH是可用的吗？如果是，我该如何为每条记录构造MinHash？据我所知，minhash的意义已经是将数据映射到这样的位结构了？这样我就可以把比特装进去了？就像在h = MinHash(num_perm=512, hashvalue
浏览 4提问于2018-04-03得票数 2
, 1, 1, 0, 1],[1, 1, 0, 1, 0, 1],import itertoolsfor element in Selected_Features:for d in element:
m.update(str(d).encode("utf-
浏览 16提问于2021-08-30得票数 0
2回答
我正在寻找一种聚类算法，通过使用对象的成对距离来对对象进行聚类，而不需要计算所有成对距离。计算对象的所有成对组合之间的全距离矩阵然而，计算所有对组合对象的全距离矩阵在计算上是非常昂贵的。所以我的想法是，是否有一些聚类算法只对成对距离的子集进行查找，所以不需要计算整个矩阵？很想听听你的想法，谢谢！
浏览 0提问于2019-03-08得票数 5
回答已采纳
2回答
我正在使用simhash，但也看到minhash更有效。请给我解释一下: minhash比simhash更有优势的是什么？
浏览 9提问于2016-04-15得票数 3
我为一些文本生成了minhash字段(基于minhash算法)，现在我的问题是，是否可以使用通配符来补充或添加前缀查询？
浏览 5提问于2019-03-28得票数 0
这是相当长的时间，我对此感到抱歉。+--------+------+------+------+------++--------+------+------+------+------+| c | 0 | 1 | 0 | 1 |
| a | 1 | 0 | 0 | 1
浏览 7提问于2018-02-05得票数 0
1回答
我想使用位置敏感的散列来近似匹配字符串。我有很多可能包含拼写错误的Strings>10M。对于每个字符串，我想与所有其他字符串进行比较，并根据某个阈值选择具有编辑距离的字符串。但是，我不知道如何表示字符串。如果它是文本，我会在向量空间中表示。我的主要问题是，使用LSH，然后使用适当的字符串矢量表示，这是否容易处理。
我可以使用一个已经实现的库来完成这个任务吗？或者这取决于我的问题，所
浏览 6提问于2014-08-04得票数 21
嗨，我正在和python 3合作，我已经面对这个问题很长一段时间了，我似乎搞不明白这一点。array_one = np.array(['alice', 'in', 'a', 'wonder', 'land', 'alice in', 'in a', 'a wonder', 'wonder land', 'alice in a', 'in a wonder', 'a w
浏览 0提问于2018-02-21得票数 5
回答已采纳
1回答
然而，我没有得到想要的结果，因为MinHash是对Jaccard similarity的粗略估计，它不符合我的要求。
浏览 5提问于2015-08-16得票数 0
4回答
我正在努力寻找一个可以在我的工作中使用的minhash开源实现。
我需要的功能非常简单，给定一个set作为输入，实现应该返回它的minhash。
浏览 4提问于2013-01-26得票数 19
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
