我正在寻找一个轻量级的 Java 库，该库支持按位置敏感散列的最近邻搜索，用于在具有数十万个数据点的高维（在我的情况下为 32）数据集中几乎均匀分布的数据。
获取存储桶中的所有条目以进行查询是完全足够好的。考虑到我的问题包括的一些过滤器参数，然后可以以不同的方式处理我真正需要的那些。
我已经找到了likelike，但希望有一些更小的东西，不需要任何其他工具（比如likelike的Apache Hadoop）。
问问题
8860 次
5 回答
5
也许这个：
“TarsosLSH 是一个实现局部敏感散列 (LSH) 的 Java 库，这是一种在亚线性时间内运行的多维向量的实用最近邻搜索算法。它支持多个局部敏感散列 (LSH) 系列：欧几里得散列系列 (L2)、城市块哈希系列（L1）和余弦哈希系列。该库试图在有足够能力完成实际任务和足够紧凑以作为 LSH 工作原理的演示之间达到最佳平衡点。
代码可以在这里找到
于 2014-02-24T07:44:32.880 回答
1
这里还有一个： https ://github.com/allenlsy/knn
它对 KNN 使用 LSH。我目前正在研究它的可用性=）
于 2013-05-03T12:12:48.710 回答
1
ELKI数据挖掘框架带有一个 LSH 索引。它可以与包括的大多数算法一起使用（任何使用范围或 nn 搜索的算法），有时效果很好。
在其他情况下，LSH 似乎不是一个好方法。获得正确的 LSH 参数可能非常棘手：如果您选择的某些参数过高，运行时间会增长很多（一直到线性扫描）。如果您将它们选得太低，则索引会变得过于近似并且会输给许多邻居。
这可能是 LSH 的最大挑战：找到好的参数，产生所需的加速并从索引中获得足够好的准确性......
于 2014-04-05T10:37:53.393 回答
1
有这个： http ://code.google.com/p/lsh-clustering/
我没有时间测试它，但至少它可以编译。
于 2012-05-22T18:53:10.230 回答
1
Apache Spark 有一个 LSH 实现：https ://spark.apache.org/docs/2.1.0/ml-features.html#locality-sensitive-hashing ( API )。
在玩过tdebatty和TarsosLSH实现之后，我可能会使用 Spark，因为它支持稀疏向量作为输入。tdebatty 需要一个非稀疏的布尔值或整数数组，而 TarsosLSH Vector 实现是一个非稀疏的双精度数组。这严重限制了可以合理支持的维度数量。
本页提供更多项目的链接，以及相关论文和信息：https ://janzhou.org/lsh/ 。
于 2019-01-08T17:44:34.530 回答