大规模数据的集合相似度估计研究进展

摘要：

相似度估计是实现近似集合检索的一个重要组成部分.针对于不用的相似度度量方式,主要有使用Jaccard相似度的MinHash算法和基于海明距离的SimHash算法,它们是两种常用的大规模数据相似度度量技术.此外,还有基于集合包含度下的集合相似度估计算法.通过总结多篇已发表论文,详细地回顾了不同的相似度度量方式下的集合相似度估计方法.

关键词：相似度估计、MinHash、相似性检索、集合、SimHash

所属期刊栏目：26

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61572266

在线出版日期：2018-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5