海量数据挖掘MMDS week7: 相似项的发现:面向高相似度的方法

本文探讨了在数据挖掘中面向高相似度的数据匹配方法,特别是介绍了在寻找几乎完全相同的集合时比局部敏感哈希(LSH)更有效且精确的技术。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

http://blog.youkuaiyun.com/pipisorry/article/details/49742907

海量数据挖掘Mining Massive Datasets(MMDs) -Jure Leskovec courses学习笔记 相似项的发现:面向高相似度的方法

{博客内容:More about Locality-Sensitive Hashing:当所能接受的相似度较低时,基于LSH的方法表现得更为有效。但当要找几乎相等的集合时,还存在一些更快的方法,并且这些方法是精准的,即它们会找到所有满足相似度要求的对。也就是说,这里不会像LSH一样有伪反例出现。}

面向高相似度的方法


















皮皮blog

from:http://blog.youkuaiyun.com/pipisorry/article/details/49742907

ref:


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值