LSH-boyut yüksek özellikleri ile benzer öğeleri bulmak için iyi bir yol gibi görünüyor fark ettim.

Kağıdı okuduktan sonra http://www.slaney.org/malcolm/yahoo/Slaney2008-LSHTutorial.pdf, hala o formülleri ile kafam karıştı.

Herkes kolay yoldan açıklayan bir blog ya da bir makale biliyor mu?

LSH için gördüğüm en iyi öğretici kitap: Büyük Veri Madenciliği. Bölüm Onay 3 - Benzer Öğeleri Bulma http://infolab.stanford.edu/~ullman/mmds/ch3a.pdf

Ayrıca, aşağıda slayt tavsiye ederim: http://www.cs.jhu.edu/~vandurme/papers/VanDurmeLallACL10-slides.pdf . Slayt örnek bana kosinüs benzerliğinin karma anlamada çok yardımcı olur.

Benjamin Van Durme & Ashwin Lall, ACL2010 iki slayt ödünç ve Kosinüs Mesafe biraz LSH Ailelerin sezgileri anlatmaya çalışacağım.

• Bu şekilde, iki daire w/ varkırmızıvesarırenkli, iki boyutlu veri iki noktayı temsil ediyor. cosine similarity kullanarak kendi LSH bulmaya çalışıyoruz.
• Gri çizgiler rasgele seçilmiş bazı düzgün uçaklar.
• Veri noktası veya gri bir çizgi üzerinde ve altında bulur bağlı olarak, 0/1 olarak bu ilişkinin işareti.
• Sol üst köşesinde, beyaz/siyah kareler, iki veri noktaları sırasıyla imzası temsil eden iki satır vardır. Her kare bir bit 0(beyaz) veya 1(siyah) denk düşer.
• Uçakların bir havuzu var bir kere, kendi veri konumu ile uçaklar için ilgili puan kodlamak. Havuzda daha fazla uçak var, açısal fark imza kodlanmış gerçek farkı daha yakın olduğunu düşünürler. İki nokta arasında bulunan uçaklardan iki farklı veri bit değeri verecektir.

• Şimdi iki veri noktaları imzası bakıyoruz. Örnekte olduğu gibi, sadece 6 bit(kareler) her bir veri temsil etmek için kullanıyoruz. Bu özgün veriler için LSH karma.
• İki karma değeri arasındaki hamming uzaklığı 1, imzaları sadece farklı çünkü 1 bit.
• İmza uzunluğu göz önüne alındığında, grafikte görüldüğü gibi açısal benzerlikleri hesaplayabiliriz.

Kosinüs benzerliği kullanarak python burada bazı örnek kod (sadece 50 satır) var. https://gist.github.com/94a3d425009be0f94751