カテゴリ：: 集計関数（類似度推定）、ウィンドウ関数（類似度推定）

MINHASH¶

入力行に k 個の異なるハッシュ関数を適用し、各ハッシュ関数の最小値を保持することにより構築された、サイズ k の配列を含む MinHash 状態を返します。この MinHash 状態を APPROXIMATE_SIMILARITY 関数に入力して、1つ以上の他の MinHash 状態との類似性を推定できます。

MinHash 状態の詳細については、 2つ以上のセットの類似性の推定をご参照ください。

こちらもご参照ください。: MINHASH_COMBINE

構文¶

集計関数

MINHASH( <k> , [ DISTINCT ] expr+ )

MINHASH( <k> , * )

ウィンドウ関数

MINHASH( <k> , [ DISTINCT ] expr+ ) OVER ( [ PARTITION BY <expr1> ] )

MINHASH( <k> , * ) OVER ( [ PARTITION BY <expr1> ] )

OVER句の詳細については、ウィンドウ関数の構文と使用法をご参照ください。

引数¶

k: 作成するハッシュ関数の数。値が大きいほど、近似は良くなります。ただし、この値は APPROXIMATE_SIMILARITYを使用して類似性を推定するための計算時間に線形の影響を及ぼします。推奨値は100です。最大値は1024です。
expr: ハッシュする値を決定する1つ以上の式（通常は列名）。
*: 入力行のすべての列をハッシュします。

使用上の注意¶

この関数は集計関数またはウィンドウ関数として使用できます。
DISTINCT を引数として含めることができますが、効果はありません。

例¶

USE SCHEMA snowflake_sample_data.tpch_sf1;

SELECT MINHASH(5, *) FROM orders;

+----------------------+
| MINHASH(5, *)        |
|----------------------|
| {                    |
|   "state": [         |
|     78678383574307,  |
|     586952033158539, |
|     525995912623966, |
|     508991839383217, |
|     492677003405678  |
|   ],                 |
|   "type": "minhash", |
|   "version": 1       |
| }                    |
+----------------------+

Here is a more extensive example, showing the three related functions MINHASH, MINHASH_COMBINE and APPROXIMATE_SIMILARITY. This example creates 3 tables (ta, tb, and tc), two of which (ta and tb) are similar, and two of which (ta and tc) are completely dissimilar.

値が含まれるテーブルを作成および生成します。

CREATE TABLE ta (i INTEGER);
CREATE TABLE tb (i INTEGER);
CREATE TABLE tc (i INTEGER);

INSERT INTO ta (i) VALUES (1), (2), (3), (4), (5), (6), (7), (8), (9), (10);
INSERT INTO tb (i) VALUES (1), (2), (3), (4), (5), (6), (7), (8), (9), (11);
INSERT INTO tc (i) VALUES (-1), (-20), (-300), (-4000);

データの初期セットのMinHash情報を計算します。

CREATE TABLE minhash_a_1 (mh) AS SELECT MINHASH(100, i) FROM ta;
CREATE TABLE minhash_b (mh) AS SELECT MINHASH(100, i) FROM tb;
CREATE TABLE minhash_c (mh) AS SELECT MINHASH(100, i) FROM tc;

テーブルのいずれかにデータを追加します。

INSERT INTO ta (i) VALUES (12);

Demonstrate the MINHASH_COMBINE function:

CREATE TABLE minhash_a_2 (mh) AS SELECT MINHASH(100, i) FROM ta WHERE i > 10;

CREATE TABLE minhash_a (mh) AS
  SELECT MINHASH_COMBINE(mh)
    FROM (
      (SELECT mh FROM minhash_a_1)
      UNION ALL
      (SELECT mh FROM minhash_a_2)
    );

This query shows the approximate similarity of the two similar tables (ta and tb):

SELECT APPROXIMATE_SIMILARITY(mh)
  FROM (
    (SELECT mh FROM minhash_a)
    UNION ALL
    (SELECT mh FROM minhash_b)
  );

+-----------------------------+
| APPROXIMATE_SIMILARITY (MH) |
|-----------------------------|
|                        0.75 |
+-----------------------------+

This query shows the approximate similarity of the two very different tables (ta and tc):

SELECT APPROXIMATE_SIMILARITY(mh)
  FROM (
    (SELECT mh FROM minhash_a)
    UNION ALL
    (SELECT mh FROM minhash_c)
  );

+-----------------------------+
| APPROXIMATE_SIMILARITY (MH) |
|-----------------------------|
|                           0 |
+-----------------------------+