blocks|key|300038|text|也许是这个：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|300039|"TarsosLSH是一个Java库，实现了位置敏感散列(+LSH+)，这是一种在次线性时间内操作的多维矢量的实用最近邻搜索算法。它支持几个位置敏感散列(LSH)家族:欧几里德散列族(L2)、城市区块散列族(L1)和余弦散列族。该库试图在有足够能力完成实际任务和足够紧凑以作为LSH如何工作的演示之间找到最佳平衡点。“|300040|可以在+中找到代码|offset|length|style|BOLD|300041|entityMap^0|0|0|7|2|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|M|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|N|8|@$F|O|G|P|H|I]]|9|@]|A|$]]|$1|J|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|K|$]]

Maybe this one:

"TarsosLSH is a Java library implementing Locality-sensitive Hashing (LSH), a practical nearest neighbour search algorithm for multidimensional vectors that operates in sublinear time. It supports several Locality Sensitive Hashing (LSH) families: the Euclidean hash family (L2), city block hash family (L1) and cosine hash family. The library tries to hit the sweet spot between being capable enough to get real tasks done, and compact enough to serve as a demonstration on how LSH works." 

Code can be found <a href="https://github.com/JorenSix/TarsosLSH" rel="nofollow">here</a>

blocks|key|5295388|text|这里有一个：http://code.google.com/p/lsh-clustering/|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|5295389|我还没有时间测试它，但至少它可以编译。|5295390|entityMap|0|LINK|mutability|MUTABLE|url|http://code.google.com/p/lsh-clustering/^0|6|14|0|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]]|C|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|S|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]]]

There is this one:
<a href="http://code.google.com/p/lsh-clustering/" rel="nofollow">http://code.google.com/p/lsh-clustering/</a>

I haven't had time to test it but at least it compiles.

blocks|key|2206619|text|下面是另一个：https://github.com/allenlsy/knn|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2206620|它使用LSH表示KNN。我目前正在研究它的可用性=)|2206621|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/allenlsy/knn^0|7|V|0|0|0^^$0|@$1|2|3|4|5|6|7|N|8|@]|9|@$A|O|B|P|1|Q]]|C|$]]|$1|D|3|E|5|6|7|R|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|S|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]]]

Here another one:
<a href="https://github.com/allenlsy/knn" rel="nofollow">https://github.com/allenlsy/knn</a>

It uses LSH for KNN. I'm currently investigating it's usability =)

blocks|key|2212913|text|ELKI数据挖掘框架附带了LSH索引。它可以与大多数算法一起使用(任何使用范围或nn搜索的算法)，有时工作得很好。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|2212914|在其他情况下，LSH似乎不是一个好方法。获得正确的LSH参数可能是相当棘手的:如果你选择一些参数太高，运行时会增长很多(一直到线性扫描)。如果选择得太低，索引将变得过于接近，并且会输给许多邻居。|2212915|这可能是LSH最大的挑战:找到好的参数，产生所需的加速比，并从索引中获得足够好的准确性……|2212916|entityMap|0|LINK|mutability|MUTABLE|url|http://elki.dbs.ifi.lmu.de/^0|0|4|0|0|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@$A|Q|B|R|1|S]]|C|$]]|$1|D|3|E|5|6|7|T|8|@]|9|@]|C|$]]|$1|F|3|G|5|6|7|U|8|@]|9|@]|C|$]]|$1|H|3|-4|5|6|7|V|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]]]

The <a href="http://elki.dbs.ifi.lmu.de/" rel="nofollow">ELKI</a> data mining framework comes with an LSH index. It can be used with most algorithms included (anything that uses range or nn searches) and sometimes works very well.

In other cases, LSH doesn't seem to be a good approach. It can be quite tricky to get the LSH parameters right: if you choose some parameters too high, runtime grows a lot (all the way to a linear scan). If you choose them too low, the index becomes too approximative and loses to many neighbors.

It's probably the biggest challenge with LSH: finding good parameters, that yield the desired speedup and getting a good enough accuracy out of the index...

blocks|key|298769|text|Apache+Spark有一个LSH实现：https://spark.apache.org/docs/2.1.0/ml-features.html#locality-sensitive-hashing+(API)。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|298770|在尝试过tdebatty和TarsosLSH实现之后，我可能会使用Spark，因为它支持稀疏向量作为输入。tdebatty需要布尔值或整型数组的非稀疏数组，而TarsosLSH向量实现是双精度数组的非稀疏数组。这严重限制了一个人可以合理支持的维度数量。|298771|这个页面提供了更多项目的链接，以及相关的论文和信息：https://janzhou.org/lsh/。|298772|entityMap|0|LINK|mutability|MUTABLE|url|https://spark.apache.org/docs/2.1.0/ml-features.html#locality-sensitive-hashing|1|http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.ml.feature.BucketedRandomProjectionLSH|2|https://github.com/tdebatty/java-LSH|3|https://github.com/JorenSix/TarsosLSH|4|https://janzhou.org/lsh/^0|L|27|0|2U|3|1|0|4|8|2|D|9|3|0|Q|O|4|0^^$0|@$1|2|3|4|5|6|7|X|8|@]|9|@$A|Y|B|Z|1|10]|$A|11|B|12|1|13]]|C|$]]|$1|D|3|E|5|6|7|14|8|@]|9|@$A|15|B|16|1|17]|$A|18|B|19|1|1A]]|C|$]]|$1|F|3|G|5|6|7|1B|8|@]|9|@$A|1C|B|1D|1|1E]]|C|$]]|$1|H|3|-4|5|6|7|1F|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]|P|$5|K|L|M|C|$N|Q]]|R|$5|K|L|M|C|$N|S]]|T|$5|K|L|M|C|$N|U]]|V|$5|K|L|M|C|$N|W]]]]

Apache Spark has an LSH implementation: <a href="https://spark.apache.org/docs/2.1.0/ml-features.html#locality-sensitive-hashing" rel="nofollow noreferrer">https://spark.apache.org/docs/2.1.0/ml-features.html#locality-sensitive-hashing</a> (<a href="http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.ml.feature.BucketedRandomProjectionLSH" rel="nofollow noreferrer">API</a>).

After having played with both the <a href="https://github.com/tdebatty/java-LSH" rel="nofollow noreferrer">tdebatty</a> and <a href="https://github.com/JorenSix/TarsosLSH" rel="nofollow noreferrer">TarsosLSH</a> implementations, I'll likely use Spark, as it supports sparse vectors as input. The tdebatty requires a non-sparse array of booleans or int's, and the TarsosLSH Vector implementation is a non-sparse array of doubles. This severely limits the number of dimensions one can reasonably support.

This page provides links to more projects, as well as related papers and information: <a href="https://janzhou.org/lsh/" rel="nofollow noreferrer">https://janzhou.org/lsh/</a>.

I'm looking for a lightweight Java library that supports Nearest Neighbor Searches by Locality Sensitive Hashing for nearly equally distributed data in a high dimensional (in my case 32) dataset with some hundreds of thousands data points.

It's totally good enough to get all entries in a bucket for a query. Which ones i really need could then be processed in a different way under consideration of some filter parameters my problem include.

I already found <a href="http://code.google.com/p/likelike/" rel="noreferrer">likelike</a> but hope that there is something a bit smaller and without need of any other tools (like Apache Hadoop in the case of likelike).

LSH Libraries in Java

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在寻找一个轻量级的Java库，它通过对位置敏感的散列来支持最近邻搜索，以便在具有数十万个数据点的高维(在我的例子中是32)数据集中几乎均匀分布的数据。它完全可以获取一个存储桶中的所有条目来进行查询。在考虑到我的问题包括的一些过滤器参数的情况下，我真正需要的那些可能会以不同的方式进行处理。我已经找到了，但希望有更小的东西，并且不需要任何其他工具(就像中的Apache Hadoop )。

问Java中的LSH库
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Java中的LSH库EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Java中的LSH库
EN