- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我目前正在使用 MinHashing
技术进行文档聚类。但是,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。
这是我的场景:
我有大量的书籍,如果将单个页面作为查询给出,我需要找到从中获取该页面的相应书籍。限制是,我有整本书的特征,不可能逐页获取书籍的特征。在这种情况下,如果书太大,Jaccard 相似性会给出较差的结果。我真正想要的是查询页面和书籍之间的距离(反之亦然)。即:
给定 2 组 A、B:我想要从 A 到 B 的距离,
dis(A->B) = (A & B)/A
是否有相似的距离度量给出从集合 A 到集合 B 的距离。此外,是否仍然可以使用具有这种相似性度量的 MinHashing
算法?
最佳答案
我们可以使用与 MinHash 算法类似的方法来估计您提出的距离函数。
对于一些哈希函数 h(x)
, 计算 h
的最小值在 A
和 B
.表示这些值 h_min(A)
和 h_min(B)
. MinHash 算法依赖于 h_min(A) = h_min(B)
的概率是(A & B) / (A | B)
.我们可以观察到 h_min(A) <= h_min(B)
的概率是A / (A | B)
.然后我们可以计算 (A & B) / A
作为这两个概率的比率。
就像在常规的 MinHash 算法中一样,我们可以通过重复采样来近似这些概率,直到达到所需的方差。
关于algorithm - 将距离设置为 MinHashing 算法的相似性度量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32031497/
我需要在基于 Java 的应用程序中使用 Wordnet。我想: 搜索同义词集 找到同义词集之间的相似性/相关性 我的应用程序使用 RDF 图,我知道 Wordnet 有 SPARQL 端点,但我想最
假设我们有一个 IEnumerable Collection,其中包含 20 000 人 对象项。那么假设我们创建了另一个 Person 对象。 我们想列出所有与这个人相似的人。这意味着,例如,如果姓
我使用 JAWS 作为普通的 wordnet 来查找单词之间的相似性。 我安装了 wordnet 2.1 并添加了 jar 文件:edu.mit.jwi_2.1.4.jar 和 edu.sussex.
我用这段代码做了一个词嵌入: with open("text.txt",'r') as longFile: sentences = [] single= []
我正在尝试找出确定各种对象或数组之间的共性或相似性的最佳方法,并且有兴趣获得社区的意见。我目前正在用 javascript 构建一个早期研究原型(prototype),我需要采用一种巧妙的方式来比较对
我在将 Flash 游戏转换为 C# 时遇到问题。在 Flash 中我会使用这种语法: public function doMove() { eaze(this).to(actionTime,
我有一批形状为 (bs, m, n) 的向量(即维度为 mxn 的 bs 向量)。对于每个批处理,我想计算第一个向量与其余 (m-1) 个向量的 Jaccard 相似度 例子: a = [ [
如何使用 Whoosh 获取文档的相似性度量? 我想创建一个“相关”特征,对与文档具有高度相似性的其他先前编入索引的文档进行排名。 我是否将文档作为长查询字符串输入?我是否将文档添加到索引并以某种方式
我编写了一个 Python 函数,它接受两个列表,使用 Levenshtein 比较它们并将足够相似的单词合并到一个名为“merged”的列表中。 我如何为超过 6 个列表执行此操作?确保将每个列表与
请原谅我对 Go 的了解非常有限。我有这样的定义 type ErrorVal int const ( LEV_ERROR ErrorVal = iota LEV_WARNING
我正在从事文本分析项目,一次比较两个不同的报告并将结果保存到 pandas 数据框中。 我能够得到 cosine 和 jacard 的相似性,但需要确保我得到正确的度量。作为参数,我使用位于给定文件夹
我是一名优秀的程序员,十分优秀!