Misalkan saya memiliki lima set yang ingin saya klaster. Saya mengerti bahwa teknik SimHashing dijelaskan di sini:
https://moultano.wordpress.com/2010/01/21/simple-simhashing-3kbzhsxyg4467-6/
dapat menghasilkan tiga cluster ( {A}
, {B,C,D}
dan {E}
), misalnya, jika hasilnya adalah:
A -> h01
B -> h02
C -> h02
D -> h02
E -> h03
Demikian pula, teknik MinHashing yang dijelaskan dalam Bab 3 buku MMDS:
http://infolab.stanford.edu/~ullman/mmds/ch3.pdf
juga dapat menghasilkan tiga kelompok yang sama jika hasilnya adalah:
A -> h01 - h02 - h03
B -> h04 - h05 - h06
|
C -> h04 - h07 - h08
|
D -> h09 - h10 - h08
E -> h11 - h12 - h13
(Setiap set sesuai dengan tanda tangan MH yang terdiri dari tiga "band", dan dua set dikelompokkan jika setidaknya satu dari band tanda tangan mereka cocok. Lebih banyak band berarti lebih banyak peluang yang cocok.)
Namun saya memiliki beberapa pertanyaan terkait:
(1) Dapatkah SH dipahami sebagai versi pita tunggal MH?
(2) Apakah MH harus menyiratkan penggunaan struktur data seperti Union-Find untuk membangun cluster?
(3) Apakah saya benar dalam berpikir bahwa cluster, dalam kedua teknik, sebenarnya "pra-cluster", dalam arti bahwa mereka hanya set "pasangan calon"?