SparseHash 分析：一种基于稀疏投影的集合相似度高效嵌入
数据结构与算法
2019-09-05 v1 计算机视觉与模式识别
摘要
嵌入为信号提供紧凑表示，以便在广泛任务中进行高效推断。特别地，随机投影是构造保持欧氏距离的嵌入的常用工具，而哈希技术被广泛用于嵌入集合相似度度量，例如 Jaccard 系数。在本文中，我们从理论上证明了一类基于稀疏矩阵的随机投影（称为 SparseHash）能够保持稀疏信号支撑集之间的 Jaccard 系数，该系数可用于估计集合相似度。此外，除分析外，我们提供了高效实现，并在多个数值实验中测试了性能，包括合成与真实数据集。
关键词
引用
@article{arxiv.1909.01802,
title = {Analysis of SparseHash: an efficient embedding of set-similarity via sparse projections},
author = {Diego Valsesia and Sophie Marie Fosson and Chiara Ravazzi and Tiziano Bianchi and Enrico Magli},
journal= {arXiv preprint arXiv:1909.01802},
year = {2019}
}
备注
25 pages, 6 figures