[发明专利]一种基于minhash的集合相似度计算方法和系统在审
| 申请号： | 201611233601.2 | 申请日： | 2016-12-28 |
| 公开（公告）号： | CN106681688A | 公开（公告）日： | 2017-05-17 |
| 发明（设计）人： | 李鹏;陆承恩 | 申请（专利权）人： | 北京酷云互动科技有限公司 |
| 主分类号： | G06F7/02 | 分类号： | G06F7/02;G06K9/62 |
| 代理公司： | 北京天昊联合知识产权代理有限公司11112 | 代理人： | 汪源;易卫 |
| 地址： | 100007 北京市东城区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于minhash的集合相似度计算方法和系统，包括：利用哈希函数将集合中的各元素映射为具有m个比特位长度的第一哈希值，建立2k个类组，每个类组对应一个标签，该标签为具有k个比特位长度的第二哈希值，不同类组对应的标签不同；对于任意一个集合，将该集合中的各元素对应的第一哈希值分配至与其前k个比特位相同的标签所对应的类组中；根据分配结果确定该集合对应于每个类组的最小哈希值；将该集合对应于每个类组的最小哈希值构成数组，数组作为该集合的最小哈希签名；根据任意两个集合的最小哈希签名计算该两个集合的相似度。本发明的技术方案可大大提升最小哈希签名速度，从而使得集合相似度计算的速度大大提升。 | ||
| 搜索关键词： | 一种 基于 minhash 集合 相似 计算方法 系统 | ||
【主权项】：
一种基于minhash的集合相似度计算方法，其特征在于，包括：利用哈希函数将集合中的各元素映射为具有m个比特位长度的第一哈希值，其中，m为整数；建立2k个类组，每个类组对应一个标签，该标签为具有k个比特位长度的第二哈希值，不同类组对应的标签不同，其中，k为整数，且k小于m；对于任意一个集合，将该集合中的各元素对应的第一哈希值分配至与其前k个比特位相同的标签所对应的类组中；根据分配结果确定该集合对应于每个类组的最小哈希值，其中，若该类组中存在至少一个第一哈希值，则将该类组中最小的一个第一哈希值的后m‑k个比特位的值作为该集合对应于该类组的最小哈希值，若该类组中不存在第一哈希值，则该集合对应于该类组的最小哈希值记为NULL；将该集合对应于每个类组的最小哈希值构成数组，所述数组作为该集合的最小哈希签名；根据任意两个集合的最小哈希签名计算该两个集合的相似度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京酷云互动科技有限公司，未经北京酷云互动科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611233601.2/，转载请声明来源钻瓜专利网。
