在动态数据集上使用局部敏感哈希
Use Locality Sensitive Hashing on dynamic data set
我将 LSH 用于数据库记录，并通过它创建一个索引（不是数据库索引，一个简单的哈希图），其中类似的记录被阻塞到同一个存储桶中。数据库可能包含数百万条记录。我的问题与下面的设计有关post。
首先，我将通过执行 LSH 使用可用的数据库创建索引。但是当一条新记录插入到数据库中时，我必须将该记录也索引到索引中。我如何使用 LSH 做到这一点？ LSH 可以将该记录分配到具有相似记录的桶中吗？ LSH 是否支持更新数据集？
我会使用 E2LSH（由 Andoni 开发，这是一个很棒的人），它是用 C++ 编写的。在项目的站点中，提到：
Newest (not quite) LSH algorithms (2014): These algorithms achieve performance better than the classic LSH algorithms by using data-dependent hashing. They improve over classic LSH algorithms for both Hamming and Euclidean space. These algorithms are not dynamic however, in contrast to the classic LSH algorithms, which use data-independent hashing and hence allow updates to the pointset.
如果您不想使用库，但出于某种原因想开发自己的库，我建议您先研究 manual。
我将 LSH 用于数据库记录，并通过它创建一个索引（不是数据库索引，一个简单的哈希图），其中类似的记录被阻塞到同一个存储桶中。数据库可能包含数百万条记录。我的问题与下面的设计有关post。
首先，我将通过执行 LSH 使用可用的数据库创建索引。但是当一条新记录插入到数据库中时，我必须将该记录也索引到索引中。我如何使用 LSH 做到这一点？ LSH 可以将该记录分配到具有相似记录的桶中吗？ LSH 是否支持更新数据集？
我会使用 E2LSH（由 Andoni 开发，这是一个很棒的人），它是用 C++ 编写的。在项目的站点中，提到：
Newest (not quite) LSH algorithms (2014): These algorithms achieve performance better than the classic LSH algorithms by using data-dependent hashing. They improve over classic LSH algorithms for both Hamming and Euclidean space. These algorithms are not dynamic however, in contrast to the classic LSH algorithms, which use data-independent hashing and hence allow updates to the pointset.
如果您不想使用库，但出于某种原因想开发自己的库，我建议您先研究 manual。