lshash3 0.0.8

亮点

• 通过使用numpy数组对大量高维数据进行快速哈希计算。
• 内置支持通过redis的持久性。
• 支持多个哈希索引。
• 内置支持通用距离/目标函数，用于对输出进行排序。

安装

LSHash取决于以下库：

• 努比
• redis（如果需要通过redis进行持久化）
• 位数组（如果使用汉明距离作为距离函数）

要安装：

$ pip install lshash

快速启动

为8维输入数据创建6位散列：

>>>fromlshashimportLSHash>>>lsh=LSHash(6,8)>>>lsh.index([1,2,3,4,5,6,7,8])>>>lsh.index([2,3,4,5,6,7,8,9])>>>lsh.index([10,12,99,1,5,31,2,3])>>>lsh.query([1,2,3,4,5,6,7,7])[((1,2,3,4,5,6,7,8),1.0),((2,3,4,5,6,7,8,9),11)]

主界面

• 初始化LSHash实例：

LSHash(hash_size,input_dim,num_of_hashtables=1,storage=None,matrices_filename=None,overwrite=False)

参数：

hash_size：

生成的二进制哈希的长度。

input_dim：

输入向量的维数。

num_hashtables = 1：

（可选）用于多个查找的哈希表数。

storage = None：

（可选）指定要用于索引的存储的名称 储藏室。选项包括“redis”。

matrices_filename = None：

（可选）指定存储随机矩阵的.npz文件的路径 或者如果文件不存在，则将被存储

overwrite = False：

<（可选）是否已经覆盖矩阵文件，如果它已经存在的话

• 索引给定LSHash实例的数据点，例如lsh：

lsh.index(input_point,extra_data=None):

参数：

input_point：

输入数据点是输入维数的数组或元组。

extra_data = None：

（可选）要与输入点一起添加的额外数据。

• 根据给定的LSHash实例查询数据点，例如lsh：

lsh.query(query_point,num_results=None,distance_func="euclidean"):

参数：

query_point：

查询数据点是输入维数的数组或元组。

num_results = None：

（可选）按排序顺序返回的查询结果数。由 默认情况下，将返回所有结果。

distance_func = "euclidean"：

（可选）用于对候选人进行排名的距离函数。默认情况下 将使用欧氏距离函数。