位置:成果数据库 > 期刊 > 期刊详情页
基于连接位MinwiseHash的三者相似性估计算法
  • ISSN号:1006-2467
  • 期刊名称:《上海交通大学学报》
  • 时间:0
  • 分类:TP301.6[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]湖南工业大学计算机与通信学院,湖南株洲412000, [2]中南大学信息科学与工程学院,长沙410083
  • 相关基金:国家自然科学基金(61121008,60970095,60873081,61350011); 科技部科技支撑计划(2013BAJ10B14-5); 湖南省杰出青年基金(11JJ1012); 湖南省自然科学基金重点项目(12JJ2036);湖南省自然科学基金面上项目(14JJ2115)资助
中文摘要:

计算相似性是信息检索的一个核心基础问题,二者、三者甚至更多集合的相似性估计在相似文档检测、词语相关性、聚类、数据清理等领域有着广泛的应用.连接位Minwise Hash算法作为一种高效、准确的相似性估计算法,能够成倍地减少比对的次数,提升算法性能.通过理论推导,给出基于连接位Minwise Hash的三者相似度无偏估计公式.实验结果显示,在样本大小k=500、相似度阈值R0=0.8时,算法的准确率和召回率均能达到95%以上,并且所需的CPU运行时间仅为b位Minwise Hash三者估计算法的50%.

英文摘要:

Compution of two-way and multi way set similarities is a fundamental problem in information re trieval. This paper focused on estimation of three-way resemblance using connected bit Minwise Hash. As an efficient and accurate method for similarity measurement, connected bit Minwise Hash can reduce the number of comparison, and exponentially improve the performance. The unbiased estimator of the three- way resemblance was provided theoretically. In experimental result analysis, several key parameters (e. g., precision, recall and efficiency) were analyzed. Experimental results demonstrate that when the sample size k= 500 and similarity threshold R0 =0.8, the accuracy and recall of the algorithm could reach 95% or more, using just 50% of CPU running time of b-bit Minwise Hash for the three-way estimation.

同期刊论文项目
期刊论文 17 会议论文 5 专利 3 著作 2
期刊论文 26 会议论文 4 专利 2
同项目期刊论文
期刊信息
  • 《上海交通大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:上海交通大学
  • 主编:郑杭
  • 地址:上海市华山路1954号15F
  • 邮编:200030
  • 邮箱:shjt@chinajournal.net.cn
  • 电话:021-62933373 62932534
  • 国际标准刊号:ISSN:1006-2467
  • 国内统一刊号:ISSN:31-1466/U
  • 邮发代号:4-256
  • 获奖情况:
  • 1996年全国优秀科技期刊奖,1992年、1996年、1999年国家教育部系统优秀科技期刊奖,2002年“百种重点期刊奖”,2003年百种中国杰出学术期刊,2004年教育部全国高校优秀科技期刊一等奖,2004年“百种重点期刊奖”
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:30903