0

我已经阅读了很多关于 MinHash LSH 的实现，但我不明白输出结果。

例如，在这里，为什么所有的值都是负数？怎么可能？它是如何计算的？

使用 MinHashLSH 的结果示例

https://databricks.com/fr/blog/2017/05/09/detecting-abuse-scale-locality-sensitive-hashing-uber-engineering.html

在我的程序中，我只有一个 100 行的表和另一个 200 行的表，在 RegexTokenizer 和 NGram(n=3) 之后，MinHashLSH 输出列充满了 -2580000000、-1808000058 等值。

另一个例子 ：

+---+--------------------+------------------+
| id|                keys|               lsh|
+---+--------------------+------------------+
|  0|(6,[0,1,2],[1.0,1...|[[-1.253971669E9]]|
|  1|(6,[2,3,4],[1.0,1...|[[-1.691699495E9]]|
|  2|(6,[0,2,4],[1.0,1...|[[-1.691699495E9]]|
+---+--------------------+------------------+

提前致谢！

4

0 回答 0