Slide 24
Slide 24 text
19.6 ほぼ複製とシングリング
1.ジャカール係数(p.54参照)により、
2つの集合の重なりの度合いを測り、
一定の閾値(0.9など)を超えている場合にほぼ重複とする
↓
文書比較の手法であり、まだ計算量は大きい
そこでシングルのスケッチでジャカール係数を求める
j
d
S を文書 j
d のシングルの集合とした場合、
2つの集合間のジャカール係数は
2
1
2
1
2
1 /
, d
S
d
S
d
S
d
S
d
S
d
S
J