笔记-各向同性的迭代量化哈希算法

0

期刊

电子学报

算法用途

高维数据近邻检索 Nearest neighbor search (NNS)

摘要说准确有效的哈希算法是实现海量高维数据近邻检索的关键，
检索关键字高维数据近邻检索，找到一个Python的包panns (github)，根据包的介绍大致明白了这个算法到底是要解决什么问题了：
给定一个点，找到这个点在空间中的附近的点
由此联想的场景：
一个推荐系统中，每个资源和用户都是一个多维空间中的点（向量），相似的资源或者用户所在的点之间的距离会比较近，推荐的过程，即是根据一个点找到附近的点（资源）的过程

常用编码方法

  • 迭代量化哈希（Iterative Quantization，ITQ）

  • 各向同性哈希（Isotropic Hash，IsoHash）

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容