用於在Google新聞中生成推薦的算法？

Question

我學習的推薦引擎，我通過定義谷歌新聞如何爲這可能是他們感興趣的新聞，基於協同過濾生成用戶建議paper去了。他們提到

一個有趣的技術是Minhashing。我經歷了它的所作所爲，但我很確定我所擁有的是一個模糊的想法，而且我很可能錯了。下面是什麼我可以做出來的： -

1. 收集一套所有新聞項目。
2. 定義用戶的散列函數。該散列函數返回該用戶查看的新聞項目中的第一項的索引，在列表中全部爲新聞項目。
3. 收集，說這樣的值「n」的數量，並代表一個含此值列表的用戶。
4. 基於這些列表之間的相似計數，我們可以計算用戶之間的相似性爲普通物品的數量。這減少了大量的比較。
5. 基於這些相似性度量，用戶劃分爲不同的簇。

這正是我想可能是。在步驟2中，不是定義一個常量散列函數，而是以一種方式改變散列函數，使其返回不同元素的索引。因此，一個散列函數可以返回用戶列表中第一個元素的索引，另一個散列函數可以返回用戶列表中第二個元素的索引，依此類推。所以哈希函數的性質滿足minwise independent permutations條件，這聽起來像是一種可能的方法。

誰能請確認是否是什麼，我認爲是正確的？或者Google新聞推薦的最小化部分以其他方式發揮作用？我不熟悉推薦的內部實現。任何幫助非常感謝。

謝謝！

Answer 1

我覺得你很接近。

首先，散列函數首先隨機的置換所有的新聞項目，然後對於任何給定的人看的第一個項目。由於每個人都有相同的排列，所以兩個人有相同的第一個項目的機會。

之後，得到一個新的哈希函數，而不是選擇第二個元素（這將有第一個元素上一些容易混淆的依賴關係），他們選擇了一個全新的置換，並再次採取的第一個元素。

人誰碰巧具有相同的哈希值的2-4倍（即在2-4排列相同的第一個元素）在羣集放在一起。這個算法重複10-20次，這樣每個人都被放入10-20個簇中。最後，根據10-20個集羣中的其他人（少數）給出建議。由於所有這些工作都是通過哈希完成的，所以人們直接放入桶中進行簇處理，並且不需要大量的比較。