indexing - 在动态数据集上使用局部敏感散列

Question

我将 LSH 用于数据库记录，并通过它创建一个索引（不是数据库索引，一个简单的哈希图），其中类似的记录被阻止到同一个存储桶中。数据库可能包含数百万条记录。我的问题与我在下面发布的设计有关。

首先，我将使用通过执行 LSH 可用的数据库创建索引。但是当一条新记录插入数据库时​​，我必须将该记录也索引到索引中。我怎样才能使用 LSH 做到这一点？LSH 可以将该记录分配给具有相似记录的存储桶吗？LSH 是否支持更新数据集？

Answer 1

我会使用用 C++ 编写的E2LSH（由 Andoni 开发，这是一个很棒的人）。在该项目的网站中，提到：

最新（不完全）LSH 算法（2014 年）：这些算法通过使用数据相关散列法实现比经典 LSH 算法更好的性能。它们改进了汉明空间和欧几里得空间的经典 LSH 算法。然而，这些算法不是动态的，与经典的 LSH 算法相比，后者使用数据无关的散列，因此允许更新点集。

如果您不想使用库，但出于某种原因想要开发自己的库，我建议您先学习手册。