用于在Google新闻中生成推荐的算法？

Question

我学习的推荐引擎，我通过定义谷歌新闻如何为这可能是他们感兴趣的新闻，基于协同过滤生成用户建议paper去了。他们提到

一个有趣的技术是Minhashing。我经历了它的所作所为，但我很确定我所拥有的是一个模糊的想法，而且我很可能错了。下面是什么我可以做出来的： -

1. 收集一套所有新闻项目。
2. 定义用户的散列函数。该散列函数返回该用户查看的新闻项目中的第一项的索引，在列表中全部为新闻项目。
3. 收集，说这样的值“n”的数量，并代表一个含此值列表的用户。
4. 基于这些列表之间的相似计数，我们可以计算用户之间的相似性为普通物品的数量。这减少了大量的比较。
5. 基于这些相似性度量，用户划分为不同的簇。

这正是我想可能是。在步骤2中，不是定义一个常量散列函数，而是以一种方式改变散列函数，使其返回不同元素的索引。因此，一个散列函数可以返回用户列表中第一个元素的索引，另一个散列函数可以返回用户列表中第二个元素的索引，依此类推。所以哈希函数的性质满足minwise independent permutations条件，这听起来像是一种可能的方法。

谁能请确认是否是什么，我认为是正确的？或者Google新闻推荐的最小化部分以其他方式发挥作用？我不熟悉推荐的内部实现。任何帮助非常感谢。

谢谢！

Answer 1

我觉得你很接近。

首先，散列函数首先随机的置换所有的新闻项目，然后对于任何给定的人看的第一个项目。由于每个人都有相同的排列，所以两个人有相同的第一个项目的机会。

之后，得到一个新的哈希函数，而不是选择第二个元素（这将有第一个元素上一些容易混淆的依赖关系），他们选择了一个全新的置换，并再次采取的第一个元素。

人谁碰巧具有相同的哈希值的2-4倍（即在2-4排列相同的第一个元素）在群集放在一起。这个算法重复10-20次，这样每个人都被放入10-20个簇中。最后，根据10-20个集群中的其他人（少数）给出建议。由于所有这些工作都是通过哈希完成的，所以人们直接放入桶中进行簇处理，并且不需要大量的比较。