Open egolearner opened 4 years ago
2009 ICML https://arxiv.org/pdf/0902.2206.pdf
hashing-trick：将高维输入向量映射到低维特征空间。
Φ: Rd -> R^m where m << d
优点是保留稀疏性，且没有存储成本。
sign hash函数ξ: N -> {+1/-1}的作用是消除碰撞导致的偏差，本质上是做了两次哈希。
ξ: N -> {+1/-1}
论文中主要以个性化邮件过滤器为例，垃圾邮件的标签数据不多，无法只对每个用户训练过滤器，而是每个用户的个性化过滤器加一个全局过滤器。 φ0为全局hash函数，φu为个性化hash函数。 用户的个性化hash函数φu为hash(concat(uid,word))
如上图所示，使用22位或更多的hash-table后，个性化的过滤器减少了30％的垃圾邮件。
2009 ICML https://arxiv.org/pdf/0902.2206.pdf
介绍
hashing-trick：将高维输入向量映射到低维特征空间。
优点是保留稀疏性，且没有存储成本。
Hash Functions
sign hash函数
ξ: N -> {+1/-1}的作用是消除碰撞导致的偏差，本质上是做了两次哈希。应用
论文中主要以个性化邮件过滤器为例，垃圾邮件的标签数据不多，无法只对每个用户训练过滤器，而是每个用户的个性化过滤器加一个全局过滤器。
φ0为全局hash函数，φu为个性化hash函数。
用户的个性化hash函数φu为hash(concat(uid,word))
如上图所示，使用22位或更多的hash-table后，个性化的过滤器减少了30％的垃圾邮件。