我假定Simhash(“string”).distance(Simhash(“另一个字符串”))是两个字符串之间的hamming距离。from simhash import Simhash
我不知道我在这里遗漏了什么
浏览 4提问于2016-07-25得票数 1
我使用以下命令安装sim散列要检查它是否已在下面成功安装，请看pip freeze的o/pYou are using pip version 8.1.1, however version 9.0.1 is available.You should consider upgrading via the 'pip install --
浏览 4提问于2017-09-16得票数 0
回答已采纳
1回答
它只显示了计算simhash.num_differing_bits(a, b)import simhashblocks = 4distance = 3到目前为止我尝试过的:克隆这个回购后的，我已经安装了所有的需求
浏览 2提问于2019-01-28得票数 2
这段代码实现了四组数据的Simhash函数。import redef get_features(s): s = s.lower(',3: u'This is simhash test.',objs = [(str(k),
浏览 6提问于2018-06-18得票数 1
我使用Simhash生成文档的uniq足迹(多亏了这个)data = { 2: u'test of simhash algorithm',
3: u'This is simhash test.
浏览 6提问于2018-04-13得票数 3
回答已采纳
2回答
我正在使用simhash，但也看到minhash更有效。请给我解释一下: minhash比simhash更有优势的是什么？
浏览 9提问于2016-04-15得票数 3
import simhashjabb = ''' Twas brillig, and the slithy toves Did gyre and gimblere.split(r'\W+', pope.lower(), flags=re.UNICODE)shinji=[print(shingle) for shingle in simhash.shingle(''.join(tokej), 4)]
#b
浏览 6提问于2022-05-18得票数 0
3回答
我利用这篇优秀博客文章中的想法：编写了一个简单的SimHash。如果两个或多个字符串的SimHash结果相同，则将该子集的所有记录传递给细粒度匹配程序，即O(n^2)，该程序将集合的每条记录与每条其他记录进行比较。对于SimHash部分，我有参数，可以定义数据报大小(基本上是大小为n的滑动窗口)和用于确定SimHash计算所需的多少(随机)散列的迭代次数。到目前为止，数据报大小为4，并使用4个散列来计算SimHash。我尝试过其他各种组合，但这个组合产生了迄今为止最好的效果。
我遇到的问题是，这个方法在我
浏览 5提问于2011-11-30得票数 5
回答已采纳
我指的是在大型数据集之间查询，而不仅仅是simhash (很容易找到simhash实现)。
谢谢~
浏览 1提问于2010-11-01得票数 9
1回答
我做了一些研究，阅读了一些关于SimHash和LSH算法的文章。Simhash会导致哈希冲突，可以使用汉明距离来定义相似度。
浏览 0提问于2012-05-15得票数 4
回答已采纳
1回答
这是我正在使用的代码(但它对于大数据来说非常慢)：for r in columns: m[r][c] = Simhash(r).distance(Simhash(c))
有人能帮我有效地计算距离吗？
浏览 5提问于2014-09-18得票数 1
1回答
Spark线性回归特征散列
、、、、
我正在尝试使用星火的LinearRegressionWithSGD来预测国家和设备的价格。在看了Spark MLLib的之后，我有点不清楚我应该如何散列这些特性。示例记录如下：我已经尝
浏览 2提问于2016-03-01得票数 1
但是，当我试图从命令提示符(带有"java Simhash")运行它时，我得到了以下内容： at Simhash.main(Simhash.java:17)
Caused by: java.lang.ClassNotFoundExceptio
浏览 4提问于2015-04-17得票数 0
回答已采纳
1回答
下面是相关代码： hash1 = simhash(str1)
distance这可能是一件很愚蠢的事情，但我不知道为什么要在这里进行转换，以及为什么要抛出这个错误：metric中的匿名函数可以接受字符串并返回一个浮点数；为什么输入需要浮动，以及如何基于simhash‘距离’创建这个成对的距离矩阵
浏览 7提问于2013-08-30得票数 1
回答已采纳
1回答
perl -lane 'print "$F[7] $F[1]"'14:12 314:12 3当试图将该模式应用于解析一个简单文件时，请根据：
head simhash.txt
浏览 3提问于2015-12-15得票数 0
回答已采纳
1回答
我已经看到许多哈希算法有一个共同的特征，那就是任何数据的变化都会产生哈希码的总变化，尽管是这样，我想知道是否有任何已知的标准哈希算法具有不同的行为，对于数据的微小变化，哈希变化的量是一种近线性关系，关于数据的变化量。
浏览 1提问于2013-01-02得票数 2
1回答
目前，我使用iText库(删除可能的注释)提取第一个页面的文本，并从文本中计算出一个simhash足迹。主要的问题是，有时文本略有不同(是的，它发生了！)例如，和)，所以我想要宽容。使用simhash，我可以计算出原始文档有多相似，因此，如果没有在回购中留下足迹，我将不得不在集合中进行迭代，寻找“接近”的足迹。最后，我将有一个8x64=512bit签名，如果它们的simhash签名集之间的差异之和在一定时间内，我可以考虑两个文档相同。
浏览 3提问于2012-10-06得票数 1
回答已采纳
1回答
假设我有五组，我想聚在一起。我理解这里描述的SimHashing技术：
A -> h01C -> h02E -> h03A -> h01 - h02 - h03
| |
E
浏览 19提问于2015-06-12得票数 3
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
