基于倒排索引的大规模数据相似特征检测方法.pdfVIP

下载本文档

2
0
约8.32千字
约 7页
2023-05-26 发布于四川
举报
版权申诉

基于倒排索引的大规模数据相似特征检测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于倒排索引的大规模数据相似特征检测方法。本发明通过对相应类型的特征数据列进行采样并提取对应的倒排索引，再将倒排索引和特征以键值对的形式建立哈希表，产生候选特征子集，从而达到了特征集合降维的目的；再对降维之后的特征子集中的特征进行两两组合，针对数值型特征和类别性特征，分别应用皮尔森相关系数算法和非重复计数法，得出特征对的相关系数，设定阈值，输出结果。该方法解决了以往需要对原始特征集合做两两组合的弊端，可以将计算时间降低一个数量级，节省大量的资源；同时准确率和召回率也能保持一个极高

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112269854 B (45)授权公告日 2022.06.10 (21)申请号 202011299602.3 G06N 20/00 (2019.01) (22)申请日 2020.11