datasketch:MinHash LSH-Fores

Question

我正在尝试创建一个forst，用于最近邻搜索，但我不确定是否正确，或者MinHash/LSH是否适合我的数据。我问这个是因为结果不可用。在

我试图遵循文档中的example。在

我的数据：

512维，例如值是位，例如0或1 这实际上对MinHash/LSH有用吗？ 如果是，我该如何为每个记录构造MinHash？在

据我所知，minhash的目的已经是将数据映射到这样一个位结构？所以我就可以把它装进去？如h = MinHash(num_perm=512, hashvalues=listOfBits)中所示？在

Answer 1

MinHash是一种可以使用的技术，如果单个数据记录可以被描述为集合（例如，文本文档作为单词集），并且这些记录之间的相似性通过对应集合的Jaccard相似性来描述。在

如果你真的想应用MinHash，你需要首先找到一种方法来表示你的512大小的位向量。一种可能性是考虑值为1的比特索引集。接下来，您需要考虑这些位索引集之间的Jaccard相似性是否真的有意义，并恰当地描述了相似性。在