« Hachage sensible à la localité » : différence entre les versions

Dernière version du 29 janvier 2024 à 13:34

Définition

Méthode permettant de trouver des paires similaires dans un grand ensemble de données. C'est une solution au problème de la malédiction de la dimension qui apparait lors d'une recherche des plus proches voisins en grande dimension. La méthode a de nombreuses applications en vision artificielle, traitement automatique du langage naturel, bioinformatique, etc.

Français

hachage sensible à la localité

hashing sensible à la localité

Anglais

locality-sensitive hashing

LSH

Sources

Source : Ichi.pro

Source: Wikipedia

@@ Ligne 1 : / Ligne 1 : @@
-==en construction==
 == Définition ==
-XXXXXXXXX
+Méthode permettant de trouver des paires similaires dans un grand ensemble de données. C'est une solution au problème de la [[malédiction de la dimension]] qui apparait lors d'une recherche [[des plus proches voisins]] en grande dimension. La méthode a de nombreuses applications en [[vision artificielle]], [[traitement automatique du langage naturel]], [[bioinformatique]], etc.
 == Français ==
-''' XXXXXXXXX '''
+'''hachage sensible à la localité'''
+'''''hashing'' sensible à la localité'''
 == Anglais ==
-''' Locality-sensitive hashing'''
+'''locality-sensitive hashing'''
+'''LSH'''
-In computer science, locality-sensitive hashing (LSH) is an algorithmic technique that hashes similar input items into the same "buckets" with high probability.[1] (The number of buckets are much smaller than the universe of possible input items.)[1] Since similar items end up in the same buckets, this technique can be used for data clustering and nearest neighbor search. It differs from conventional hashing techniques in that hash collisions are maximized, not minimized. Alternatively, the technique can be seen as a way to reduce the dimensionality of high-dimensional data; high-dimensional input items can be reduced to low-dimensional versions while preserving relative distances between items.
-Hashing-based approximate nearest neighbor search algorithms generally use one of two main categories of hashing methods: either data-independent methods, such as locality-sensitive hashing (LSH); or data-dependent methods, such as Locality-preserving hashing (LPH).[2][3]
+==Sources==
-<small>
+[https://ichi.pro/fr/hashing-sensible-a-la-localite-comment-trouver-des-articles-similaires-dans-un-grand-ensemble-avec-precision-238627395929596  Source : Ichi.pro ]
-[https://en.wikipedia.org/wiki/Locality-sensitive_hashing Source : Machine learning algorithm ]
+[https://fr.wikipedia.org/wiki/Locality_sensitive_hashing  Source: Wikipedia]
-[[Catégorie:vocabulary]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]