MinHash
Definition
MinHash schätzt die Jaccard-Ähnlichkeit großer Mengen über kompakte probabilistische Signaturen.
Ein probabilistisches Verfahren zur kompakten Schätzung der Jaccard-Ähnlichkeit großer Mengen.
Einfach erklärt
Wie kurze Stichproben zweier großer Sammlungen zu vergleichen, statt jedes Stück einzeln zu prüfen.
Warum das im Alltag wichtig ist
MinHash schätzt Mengenähnlichkeit mit kompakten Signaturen. So lassen sich Kandidaten für nahezu doppelte Dokumente effizienter eingrenzen.
Beispiel aus dem Mittelstand
Nahezu doppelte Webseiten werden über Shingles und MinHash-Signaturen gruppiert.
Grenzen und Fallstricke
- Schätzfehler, Shingle-Wahl und fehlende Eignung für andere Ähnlichkeitsmaße übersehen.
Entstehung & Geschichte
Broder führte MinHash in den 1990er-Jahren zur Erkennung ähnlicher Dokumente ein.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein Suchteam definiert Shingles und Signaturlänge zur Erkennung ähnlicher Dokumente. Es prüft Stichproben der Treffer auf Fehlzuordnungen, bevor Dokumente zusammengefasst werden.
Häufige Fragen
Was bedeutet MinHash?
Ein probabilistisches Verfahren zur kompakten Schätzung der Jaccard-Ähnlichkeit großer Mengen.
Welche Fehler sollte man vermeiden?
Schätzfehler, Shingle-Wahl und fehlende Eignung für andere Ähnlichkeitsmaße übersehen.
Quellen
- dl.acm.org
- Ergänzender Primärbeleg · Ergänzender Primärbeleg
- Ergänzender Primärbeleg · Ergänzender Primärbeleg
Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse. Ergänzende Fundstellen geprüft am 12.10.2026.
Redaktionell geprüft am: