simhash

0зной

1ответ

Я некоторое время боролся с алгоритмом simhash. Я реализовал его в соответствии с моим пониманием на моем гусеничном шасси. Однако, когда я сделал какой-то тест, мне показалось, что это не так надежно

1зной

1ответ

Панды: вычисление матрицы на значения

У меня есть dataframe так: apple aple apply apple 0 0 0 aple 0 0 0 apply 0 0 0 Я хочу, чтобы рассчитать расстояние строку, например, яблоко -> АПОО и т.д. Мой конечный результат здесь:

1зной

1ответ

вычислить попарно simhash «расстояния»

Я хочу построить парную матрицу расстояний, где «расстояния» представляют собой оценки подобия между двумя строками, как реализовано here. Я думал об использовании метода парного расстояния sci-kit le

1зной

2ответ

Функция хеширования сходства (simhash)

У меня проблема с использованием функции хэша. Мне нужно назначить некоторое число (128 бит или 64 бит) каждому слову в документе. Таким образом, значение хэша «подобия» должно быть близко к «аналогич

2зной

1ответ

MinHashing vs SimHashing

Предположим, у меня есть пять наборов, которые я хотел бы скопировать. Я понимаю, что техника SimHashing описано здесь: https://moultano.wordpress.com/2010/01/21/simple-simhashing-3kbzhsxyg4467-6/ мож

0зной

1ответ

Как обнаружить похожий текст на большие данные?

Как я только знаю, в этой задаче доступны simhash и minhash. Но все эти алгоритмы должны пересекать всю текстовую базу данных, которая будет довольно сильной. Есть ли какой-либо алгоритм оптимизации и

1зной

1ответ

Расстояние Хэмминга (Simhash python), выдающее неожиданное значение

Я проверил модуль Simhash (https://github.com/leonsim/simhash). Я предполагаю, что Simhash («String»). Distance (Simhash («Другая строка»)) - это расстояние между двумя строками. Теперь, я не уверен,