« Recherche par similarité » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== | == Définition == | ||
La recherche par similarité est le terme le plus général utilisé pour une série de mécanismes qui partagent le principe de recherche dans des espaces (généralement très vastes) d'objets où le seul comparateur disponible est la similarité entre n'importe quelle paire d'objets. | |||
Ce principe devient de plus en plus important à l'ère des grands dépôts d'information où les objets contenus ne possèdent pas d'ordre naturel, par exemple les grandes collections d'images, de sons et d'autres objets numériques sophistiqués. | |||
== Français == | == Français == | ||
''' recherche par similarité ''' | '''recherche par similarité ''' | ||
== Anglais == | == Anglais == | ||
''' | '''Similarity searches''' | ||
Similarity searches is finding the closest object to a query in a database, where the data object can be of any type of data. | |||
<small> | <small> | ||
[https://datafloq.com/abc-big-data-glossary/#s Source : datafloq ] | [https://datafloq.com/abc-big-data-glossary/#s Source : datafloq ] | ||
[[Catégorie: | [https://en.wikipedia.org/wiki/Similarity_search Source : Wikipedia ] | ||
[[Catégorie:publication]] |
Version du 23 avril 2023 à 10:09
Définition
La recherche par similarité est le terme le plus général utilisé pour une série de mécanismes qui partagent le principe de recherche dans des espaces (généralement très vastes) d'objets où le seul comparateur disponible est la similarité entre n'importe quelle paire d'objets.
Ce principe devient de plus en plus important à l'ère des grands dépôts d'information où les objets contenus ne possèdent pas d'ordre naturel, par exemple les grandes collections d'images, de sons et d'autres objets numériques sophistiqués.
Français
recherche par similarité
Anglais
Similarity searches
Similarity searches is finding the closest object to a query in a database, where the data object can be of any type of data.
Contributeurs: Maya Pentsch, Patrick Drouin, wiki