如果您无法枚举所有可能的功能（例如比较用户时的 Facebook 点赞数），我会尝试将注意力集中在局部敏感散列上。有解决这个问题的解决方案吗？
到目前为止，我所看到的局部敏感散列算法依赖于长度的有限向量，k其中k是特征（例如单词）的总数。就我而言，我事先不知道全部特征集，但我仍然想在我的数据库中找到新项目的 n 最近邻。给定数据库的目标大小，重新计算每个插入的成对相似性是不可行的。
我该如何解决这个问题？有没有人遇到过类似的问题并找到了解决方案？
如果您无法枚举所有可能的功能（例如比较用户时的 Facebook 点赞数），我会尝试将注意力集中在局部敏感散列上。有解决这个问题的解决方案吗？
到目前为止，我所看到的局部敏感散列算法依赖于长度的有限向量，k其中k是特征（例如单词）的总数。就我而言，我事先不知道全部特征集，但我仍然想在我的数据库中找到新项目的 n 最近邻。给定数据库的目标大小，重新计算每个插入的成对相似性是不可行的。
我该如何解决这个问题？有没有人遇到过类似的问题并找到了解决方案？