In computer science and data mining, MinHash (or the min-wise independent permutations locality sensitive hashing scheme) is a technique for quickly estimating how similar two sets are. The scheme was invented by Andrei Broder, and initially used in the AltaVista search engine to detect duplicate web pages and eliminate them from search results. It has also been applied in large-scale clustering problems, such as clustering documents by the similarity of their sets of words.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - MinHaketo (eo)
- MinHash (es)
- MinHash (en)
- 最小哈希 (zh)
|
| rdfs:comment
| - En komputoscienco, MinHaketo (aŭ la mininuma-sepdependa-permuta loko-zorga haketado) estas tekniko por rapide taksi la similecon de du aroj. La teknikon inventis , kaj oni unue uzis por la serĉilo por detekti kaj forigi kopiojn de retpaĝo el la serĉrezulto. Ĝi ankaŭ uziĝas por granda arigado, ekzemple arigi fajloj per simileco de iliaj enhavaj vortoj. (eo)
- En ciencia de la computacion, MinHash (o el esquema sensible a localidad que trata permutaciones independientes relativos al mínimo) es una técnica para estimar rápidamente cuan similares son dos conjuntos. El esquema fue inventado por Andrei Broder en 1997 , e inicialmente usado en el motor de búsqueda AltaVista para detectar páginas web duplicadas y eliminarlas de los resultados de búsqueda.También ha sido aplicado en problemas de , tales como por la similitud de las palabras que contienen. (es)
- In computer science and data mining, MinHash (or the min-wise independent permutations locality sensitive hashing scheme) is a technique for quickly estimating how similar two sets are. The scheme was invented by Andrei Broder, and initially used in the AltaVista search engine to detect duplicate web pages and eliminate them from search results. It has also been applied in large-scale clustering problems, such as clustering documents by the similarity of their sets of words. (en)
- 在计算机科学领域，最小哈希（或最小哈希式独立排列）方法是一种快速判断两个集合是否相似的技术。这种方法是由 （）,发明的，最初在AltaVista搜索引擎中用于在搜索结果中检测并消除重复Web页面。 它同样也应用于大规模聚类问题，比如通过文档间包含的词语相似性进行聚类。 (zh)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| authorlink
| |
| first
| |
| last
| |
| year
| |
| has abstract
| - En komputoscienco, MinHaketo (aŭ la mininuma-sepdependa-permuta loko-zorga haketado) estas tekniko por rapide taksi la similecon de du aroj. La teknikon inventis , kaj oni unue uzis por la serĉilo por detekti kaj forigi kopiojn de retpaĝo el la serĉrezulto. Ĝi ankaŭ uziĝas por granda arigado, ekzemple arigi fajloj per simileco de iliaj enhavaj vortoj. (eo)
- En ciencia de la computacion, MinHash (o el esquema sensible a localidad que trata permutaciones independientes relativos al mínimo) es una técnica para estimar rápidamente cuan similares son dos conjuntos. El esquema fue inventado por Andrei Broder en 1997 , e inicialmente usado en el motor de búsqueda AltaVista para detectar páginas web duplicadas y eliminarlas de los resultados de búsqueda.También ha sido aplicado en problemas de , tales como por la similitud de las palabras que contienen. (es)
- In computer science and data mining, MinHash (or the min-wise independent permutations locality sensitive hashing scheme) is a technique for quickly estimating how similar two sets are. The scheme was invented by Andrei Broder, and initially used in the AltaVista search engine to detect duplicate web pages and eliminate them from search results. It has also been applied in large-scale clustering problems, such as clustering documents by the similarity of their sets of words. (en)
- 在计算机科学领域，最小哈希（或最小哈希式独立排列）方法是一种快速判断两个集合是否相似的技术。这种方法是由 （）,发明的，最初在AltaVista搜索引擎中用于在搜索结果中检测并消除重复Web页面。 它同样也应用于大规模聚类问题，比如通过文档间包含的词语相似性进行聚类。 (zh)
|
| gold:hypernym
| |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)