设计一种简化的 0-比特一致加权采样
机器学习
2018-10-24 v2 数据结构与算法
信息检索
机器学习
摘要
Min-Hashing 草图方法已成为数据分析、信息检索和分类中的重要工具。为了将其应用于实值数据集，ICWS 算法已成为一种开创性方法并被广泛使用，且为该问题领域提供了最先进的性能。然而，ICWS 随着草图大小 K 的增加而承受计算负担。我们开发了一种针对 ICWS 算法的新的简化方法，使我们能够获得相比标准算法超过 20 倍的加速。我们方法的准确性在多个数据集和场景上进行了实证验证，表明我们新的简化 CWS 在快一个数量级的同时获得了相同质量的结果。
引用
@article{arxiv.1804.00069,
title = {Engineering a Simplified 0-Bit Consistent Weighted Sampling},
author = {Edward Raff and Jared Sylvester and Charles Nicholas},
journal= {arXiv preprint arXiv:1804.00069},
year = {2018}
}