【问题标题】:Local Sensitive Hashing using a arbitray non euclidean metric使用任意非欧几里得度量的局部敏感散列
【发布时间】:2013-07-26 09:37:01
【问题描述】:

我有一个非常具体的问题。我从事一个项目,是否需要找到最近的邻居(k 和附近)。 因为我不需要 excat 并且希望能够扩展到高维度,所以我专注于 LSH。

我的数据的距离是一个度量,但不是欧几里得。我发现了许多使用欧几里得度量(例如 p 稳定分布)、二进制编码(通过投影)或基于字符串的向量空间的方法。

我正在搜索的是为任意指标提供 LSH 模板的论文。有没有人参考论文?

提前致谢 丹

【问题讨论】:

    标签: data-structures nearest-neighbor approximation


    【解决方案1】:

    您正在寻找的是全新的: 我认为这篇论文可能会有所帮助 http://www.aaai.org/ocs/index.php/aaai/aaai10/paper/download/1839/2032

    它建议针对非度量数据的策略, 这比非欧几里得情况还要糟糕。

    【讨论】:

    • 请引用提供的链接中最相关的部分,以便人们可以在这里找到答案,即使链接断开。 stackoverflow.com/help/how-to-answer
    • 那篇论文读起来像希腊文(不记得希尔伯特空间是什么了)你介意为我们翻译一下算法的要点吗?
    猜你喜欢
    • 2016-09-19
    • 2011-04-29
    • 2021-03-07
    • 2020-05-19
    • 2012-12-08
    • 2016-03-16
    • 2016-09-25
    • 1970-01-01
    • 2011-02-04
    相关资源
    最近更新 更多