Я соединяю 2 набора данных, используя метод Apache Spark ML LSH ApproSimilarityJoin, но наблюдаю странное поведение. После (внутреннего) соединения набор данных немного искажен, однако каждый раз, когда выполнение одной или нескольких задач...

Я хочу использовать MinHash LSH для объединения большого количества документов в группы похожих документов (подобие Jaccard). Вопрос : можно ли вычислить сегмент MinHash, не зная MinHash других документов? Насколько я понимаю, LSH "просто"...

Я работаю над проблемой, которая требует показателей сходства для извлечения подмножества данных из большего набора для дальнейшего анализа. Я извлекаю подмножество, используя косинусное сходство выше определенного порога. Набор игрушек ниже...

Насколько я понимаю, одной из основных функций метода LSH является сокращение данных даже за пределами базовых хэшей (часто минхэшей). Я использую пакет textreuse в R, и меня удивляет размер генерируемых им данных. textreuse — это проверенный...