高效的分布式局部敏感哈希

Oct, 2012

Efficient Distributed Locality Sensitive Hashing

Bahman Bahmani, Ashish Goel, Rajendra Shinde

TL;DR本文提出了基于熵局部敏感哈希的分布式分层哈希方案，能够显著减少网络流量，提高实际应用程序的运行效率。

Abstract

distributed frameworks are gaining increasingly widespread use in applications that process large amounts of data. One important example application is large scale similarity search, for which Locality Sensitive Hashing (LSH) has emerged as the method of choice, specially when the data

distributed frameworks locality sensitive hashing entropy lsh layered lsh network cost reduction

发现论文，激发创造

密度敏感哈希

提出了一种名为密度敏感哈希（DSH）算法，它是局部敏感哈希（LSH）的扩展，利用数据的几何结构避免了纯随机投影的限制，并在大规模高维数据搜索中取得更好的性能。

May, 2012

基于私有设备局部敏感哈希的大规模分布式学习

使用新的哈希函数族，开发第一个在设备上具有私密性、个性化和内存效率高的局部敏感哈希框架，实现了隐私和个性化，能够与其他 LSH 框架相竞争，训练大规模推荐网络。

Jun, 2023

具有理论保证的快速局部敏感哈希

通过随机抽样和随机投影的组合，FastLSH 算法将 LSH 计算的时间复杂度从 O (n) 降低到 O (m)（其中 m < n），并具有可证明的 LSH 属性，是一种有希望替代经典 LSH 方案的方法。

Sep, 2023

LSH 能否被神经网络取代？

利用深度神经网络 (LLSH) 代替传统的局部敏感哈希函数族，该方法能够高效灵活地将高维数据映射到低维空间，并在同时减少时间和内存消耗、保证查询准确性方面展示了可行性，为开发人员设计和配置数据组织提供了新思路，以提高信息搜索性能。通过在不同类型数据集上进行广泛实验，验证了该方法在查询准确性、时间消耗和内存使用方面的优越性。

Oct, 2023

DeepLSH：深度局部敏感哈希学习用于快速高效的近似崩溃报告检测

本文研究了如何利用局部敏感哈希（LSH）来解决软件开发过程中自动故障分组的问题，并介绍了 DeepLSH，一种 Siamese DNN 架构和原始损失函数，以逼近 Jaccard 和 Cosine 度量的局部敏感性特性，并通过一系列实验验证了这一方法。

Oct, 2023

通过张量化的随机投影来改进 LSH

提供了一种基于 CP 和 tensor train (TT) 分解技术的 LSH 方法，适用于欧几里得距离和余弦相似度的张量数据，具有空间高效性。

Feb, 2024

LSH 集合：互联网规模域名搜索

本研究主要解决域搜索问题，提出了适用于搜索开放数据和网络数据的 Jaccard 集合包含度量标准及其索引结构 Locality Sensitive Hashing Ensemble。通过实验验证，该索引结构在大规模数据情况下具有优异的查询准确度和性能。

Mar, 2016

基于熵的高维最近邻搜索

本文研究在高维空间中，特别是欧几里德空间中找到查询点的近似最近邻的问题，提出了一种用于解决问题的新方法，并分析了其效果，同时改进了局部保持哈希函数以提高最近邻检索效率。

Oct, 2005

对称和非对称 LSH 用于内积搜索

研究局部敏感哈希的设计问题中对内积相似度问题的对称和非对称哈希的功效及提供了性能更好的对称 LSH 解决方案和非对称 LSH 的变体的需求场景。

Oct, 2014

使用局部敏感过滤的时空权衡相似性搜索框架

提出一种基于局部敏感过滤的相似性搜索框架，扩展了 Indyk-Motwani (STOC 1998) 的局部敏感哈希 (LSH) 框架以支持时空权衡。

May, 2016