Lsh算法和频带

Question

我读了很多关于lsh算法的资料，但我有一个关于它的问题，完全是在频带上。

S1 = {1, 2, 4, 5} //band signatures for set S1
S2 = {5, 4, 4, 8} //band signatures for set S2
S3 = {1, 2, 4, 9} //band signatures for set S3

当我在一个确定的波段b中得到一个集合(例如S1)的所有minwise签名时，我必须做什么？我必须对这些签名求和(例如1+2+4+5)或一个或运算符(例如1或2或4或5)或其他什么？

Answer 1

这取决于你想要实现什么。

我个人喜欢散列波段签名以创建签名之间的and like关系，因此，只有当两个数据具有定义波段的所有相同签名时，这些数据才具有相同的带状签名

Answer 2

在LSH中，您谈论的是两个文档落在同一存储桶上的概率。在生成minhash之后，您应该将它们划分为'b‘个带，每个带包含'r’行。然后，将具有相同波段的文档作为相似的候选。找到给定文档的候选文档后，您可以使用任何相似性度量来度量相似性，并挑选k个最相似的文档。