相似项发现技术.PPT

2015年05月29日 将签名矩阵划分成b条带（band） 签名矩阵 M 每条带包括r行 b条带 某一文档的 哈希签名 D1 D2 D3 D4 h1 3 5 1 3 h2 1 3 1 1 h3 3 3 1 3 2015年05月29日 局部敏感哈希（LSH） 对于每条带（band），把它的每个列哈希到K个桶（bucket）中，K通常很大 哈希到同一个桶中的项对被视为侯选项对 调整b和r的值，使得真正率尽可能高（TP/(TP + FP)），假负率（FN/(TN + FN)）尽可能低 签名矩阵 r 行 0 2 1 3 0 2 1 3 4 0 0 3 3 0 2 0 0 0 2 1 0 0 2 2 3 0 2 0 桶 b 个带 D1, D5 D2,D6 D1 D2 D3 D4 D5 D6 D7 候选对 D4, D7 相似 相异 相似 True Positive （TP）真正 False Positive（FP）假正 相异 False Negative （FN）假负 True Negative（TN）真负 估计 真实 2015年05月29日 局部敏感哈希（LSH）分析 记签名矩阵中某一对值相等的概率为s 某一个带（band）完全相等的概率为：sr 某一个带（band）不完全相等的概率为：1 ? sr 所有带（band）不完全相等的概率