GB-KMV：一种用于近似包含相似度搜索的增强型 KMV 草图
信息检索
2018-09-05 v1 数据库
摘要
本文研究近似包含相似度搜索问题。给定两条记录 Q 和 X，Q 与 X 关于 Q 的包含相似度为 |Q ∩ X| / |Q|。给定查询记录 Q 与记录集合 S，包含相似度搜索从 S 中找出关于 Q 的包含相似度不小于给定阈值的记录集合。该问题在记录匹配与领域搜索等商业和科学领域有许多重要应用。现有方案依赖于非对称 LSH 方法，将包含相似度转化为研究充分的 Jaccard 相似度。本文采用不同框架，将包含相似度转化为集合交集。我们提出一种新颖的增强型 KMV 草图技术，即 GB-KMV，其依赖于数据，并能在草图大小与精度之间取得良好权衡。我们提供了一组理论分析以支撑所提增强型 KMV 草图技术，并表明在实际假设下其估计精度优于最先进的 LSH-E 技术。我们在真实数据集上的综合实验验证了 GB-KMV 在空间-精度权衡、时间-精度权衡及草图构建时间方面均优于 LSH-E。例如，在相近估计精度（F-1 分数）下，GB-KMV 在某些真实数据集上比 LSH-E 快逾 100 倍。
引用
@article{arxiv.1809.00458,
title = {GB-KMV: An Augmented KMV Sketch for Approximate Containment Similarity Search},
author = {Yang Yang and Ying Zhang and Wenjie Zhang and Zengfeng Huang},
journal= {arXiv preprint arXiv:1809.00458},
year = {2018}
}