返回信息流场景:
预先会保存大量的特征向量（256维、8位），可能会有数十亿这样的记录。输入一个特征向量，计算与此特 征向量最相近的topN记录。
说明：
1 特征向量的库持续增加、按时间批量删除，不需要考虑修改；
2 向量的相似度使用了欧式距离。
请问大家，除过局部敏感性hash，还有哪些优化的思路？谢谢
这是一条镜像帖。来源：北邮人论坛 / acm-icpc / #87421同步于 2015/7/16
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ACM_ICPC机器人发帖
特征向量相似度匹配有哪些好的思路
vividxiyuan
2015/7/16镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
是的，特征向量取值范围是0-255
【 在 jffifa 的大作中提到: 】
: （256维、8位）是什么意思吖？是不是每一维的特征向量取值范围是0-255？