{"id":465756,"date":"2025-07-03T09:04:59","date_gmt":"2025-07-03T09:04:59","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=465756"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=465756","title":{"rendered":"<span>\u0421\u0442\u0430\u0442\u0443\u0441: \u0432 \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u043c \u043f\u043e\u0438\u0441\u043a\u0435 (fuzzy match)<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<h2>\u041d\u0435\u0442\u043e\u0447\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a. \u0427\u0442\u043e \u044d\u0442\u043e \u0438 \u0437\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u043d\u043e?<\/h2>\n<p>\u0415\u0441\u0442\u044c \u0441\u043f\u0438\u0441\u043e\u043a \u0447\u0435\u0433\u043e-\u0443\u0433\u043e\u0434\u043d\u043e, \u043f\u043e-\u043f\u0438\u0442\u043e\u043d\u043e\u0432\u0441\u043a\u0438 &#8212; list[str]. \u0412 \u043d\u0451\u043c \u043d\u0430\u0434\u043e \u043d\u0430\u0439\u0442\u0438 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043e\u0445\u043e\u0436\u0438 \u0434\u0440\u0443\u0433 \u043d\u0430 \u0434\u0440\u0443\u0433\u0430. \u0412 \u0440\u043e\u043b\u0438 \u0441\u043f\u0438\u0441\u043a\u0430 \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044f \u0444\u0430\u0439\u043b\u043e\u0432, \u0438\u043c\u0435\u043d\u0430 \u043b\u044e\u0434\u0435\u0439, \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u0441\u043f\u0440\u0430\u0432\u043e\u0447\u043d\u0438\u043a\u043e\u0432, \u043f\u0435\u0440\u0435\u0447\u0435\u043d\u044c \u0418\u0422-\u0441\u0438\u0441\u0442\u0435\u043c \u0438 \u0442.\u0434. \u0438 \u0442.\u043f. \u0422\u0430\u043a\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 \u0443\u0434\u0438\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0447\u0430\u0441\u0442\u043e \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0436\u0438\u0437\u043d\u0438.<\/p>\n<p>\u041f\u043e\u0434 <strong>\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u043c\u0438 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u0430\u043c\u0438 <\/strong>\u043c\u044b \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u043c \u0442\u0430\u043a\u0438\u0435 \u0434\u0432\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0431\u044b \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043b \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u043c\u0438, \u0437\u0430 \u0438\u0441\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0445\/\u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0445 \u0440\u0430\u0437\u043d\u0438\u0446. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043e\u0448\u0438\u0431\u043a\u0438, \u043e\u043f\u0435\u0447\u0430\u0442\u043a\u0438 \u0438 \u0442.\u043f. \u041a\u043e\u043d\u0435\u0447\u043d\u043e, \u043c\u0435\u0442\u0440\u0438\u043a\u0430 &#171;\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432&#187; \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u0430\u044f, \u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0438\u043c\u0435\u043d\u043d\u043e \u0432 \u0442\u0430\u043a\u043e\u043c \u043a\u043b\u044e\u0447\u0435.<\/p>\n<p>\u0414\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043d\u0430\u043c \u043d\u0430\u0434\u043e \u043d\u0430\u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u0434\u0432\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u043f\u043e\u0445\u043e\u0436\u0435\u0441\u0442\u0438.<\/p>\n<pre><code class=\"python\"># \u0434\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u0434\u0432\u0435 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 string_1 = '\u0440\u0430\u0431\u043e\u0442\u0430 28' string_2 = '\u0440\u043e\u0431\u043e\u0442 \u041f\u0435\u0442\u044f_(28)'  fuzzy_match_function(string_1, string_2)  # -&gt; 0.583 - \u044d\u0442\u043e \u0441\u0442\u0435\u043f\u0435\u043d\u044c \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 # \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u043f\u043e\u0445\u043e\u0436\u0435\u0441\u0442\u0438, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043e\u0442 0 \u0434\u043e 1<\/code><\/pre>\n<p>\u0415\u0441\u0442\u044c \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043d\u044b\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 \u043a \u044d\u0442\u043e\u043c\u0443. \u041d\u043e \u0443 \u0432\u0441\u0435\u0445 \u0435\u0441\u0442\u044c \u043c\u0438\u043d\u0443\u0441\u044b, \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u0447\u044c \u0438\u0434\u0451\u0442 \u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0441\u043f\u0438\u0441\u043a\u0430\u0445, \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u0441\u0442\u0440\u043e\u043a.<\/p>\n<ul>\n<li>\n<p>\u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u041b\u0435\u0432\u0435\u043d\u0448\u0442\u0435\u0439\u043d\u0430 &#8212; \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0439;<\/p>\n<\/li>\n<li>\n<p>N-gram, \u043e\u0431\u044b\u0447\u043d\u043e 2-3 gram &#8212; \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0439;<\/p>\n<\/li>\n<li>\n<p>\u0444\u043e\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b, \u0442\u0438\u043f\u0430 Soundex  &#8212; \u0440\u0435\u0448\u0430\u044e\u0442 \u0434\u0440\u0443\u0433\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443, \u0441\u0445\u043e\u0434\u043d\u043e\u0441\u0442\u044c \u0437\u0432\u0443\u0447\u0430\u043d\u0438\u044f;<\/p>\n<\/li>\n<li>\n<p>\u043f\u043e\u043b\u043d\u043e\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043f\u043e\u0438\u0441\u043a, \u0442\u0438\u043f\u0430 Meilisearch &#8212; \u043e\u0431\u044b\u0447\u043d\u043e \u0440\u0435\u0448\u0430\u0435\u0442 \u0434\u0440\u0443\u0433\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443, \u043f\u043e\u0438\u0441\u043a \u043f\u043e\u0434\u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0442\u0435\u043a\u0441\u0442\u0435, \u0447\u0430\u0441\u0442\u043e \u043e\u043d\u043b\u0430\u0439\u043d \u043f\u043e\u0438\u0441\u043a (\u043d\u0430\u0431\u0438\u0440\u0430\u0435\u043c \u043d\u0430 \u043a\u043b\u0430\u0432\u0438\u0430\u0442\u0443\u0440\u0435 &#8212; \u0441\u0440\u0430\u0437\u0443 \u0432\u0438\u0434\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442). \u0414\u043b\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043d\u0435 \u043f\u043e\u0445\u043e\u0434\u0438\u0442.<\/p>\n<\/li>\n<\/ul>\n<p>\u041d\u0430\u0438\u0432\u043d\u0430\u044f \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">import Levenshtein import pandas as pd  list1 = [\"apple\", \"banana\", \"appl\", \"date\", \"elderberry\", \"eilderbery\"]  rows = [] for a in list1:     for b in list1:         score = Levenshtein.distance(a, b)  # \u0442\u0443\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0421, \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0431\u044b\u0441\u0442\u0440\u043e         rows.append({\"s1\": a, \"s2\": b, \"score\": score}) # \u0430\u0441\u0438\u043c\u043f\u0442\u043e\u0442\u0438\u043a\u0430 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u0430\u044f # \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0439, \u0434\u0430\u0436\u0435 \u043d\u0430 \u0421 - \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d\u043d\u043e\u0435 \u0432\u0440\u0435\u043c\u044f # \u0435\u0441\u043b\u0438 \u0432 \u0441\u043f\u0438\u0441\u043a\u0435 \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432, \u044d\u0442\u043e \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0434\u043e\u043b\u0433\u043e<\/code><\/pre>\n<p>\u041f\u0435\u0440\u0432\u044b\u0439 \u0440\u0430\u0437 \u043f\u043e\u0434\u043e\u0431\u043d\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u044f \u0440\u0435\u0448\u0430\u043b \u0435\u0449\u0451 \u043d\u0430 MS Excel (vba). \u041c\u0430\u043a\u0440\u043e\u0441 \u0431\u0440\u0430\u043b <a href=\"https:\/\/perfect-excel.ru\/publ\/excel\/makrosy_i_programmy_vba\/nechjotkij_poisk\/7-1-0-73\" rel=\"noopener noreferrer nofollow\">\u0442\u0443\u0442<\/a>. \u0422\u0430\u043c \u0436\u0435 \u043d\u0430\u0448\u0451\u043b  \u043f\u0435\u0440\u0432\u0443\u044e \u043c\u0438\u043d\u0438-\u0441\u0442\u0430\u0442\u044c\u044e, \u0441 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u0434\u043e\u043b\u0433\u043e\u0435 \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041f\u043e \u0438\u0442\u043e\u0433\u0430\u043c \u043c\u043d\u043e\u0433\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0438 \u043e\u0448\u0438\u0431\u043e\u043a, \u0441\u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043b\u0441\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u043f\u043e\u0434\u0445\u043e\u0434. \u041d\u0438\u0436\u0435 \u043c\u044b \u0440\u0430\u0437\u0431\u0435\u0440\u0435\u043c \u0435\u0433\u043e \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0448\u0430\u0433\u0438. \u041f\u0440\u0435\u0434\u043f\u043e\u043b\u043e\u0436\u0438\u043c, \u0447\u0442\u043e \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0441\u043f\u0438\u0441\u043e\u043a.<\/p>\n<h2>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0441\u0442\u0440\u043e\u043a<\/h2>\n<p>\u0418\u0441\u0445\u043e\u0434\u0438\u043c \u0438\u0437 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043d\u0430\u0431\u043e\u0440 \u0441\u0442\u0440\u043e\u043a \u043d\u0435 \u0438\u043c\u0435\u0435\u0442 \u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432. \u041d\u0430\u0434\u043e \u043f\u043e\u043c\u043e\u0447\u044c \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b.<\/p>\n<p>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u0443\u0434\u0430\u043b\u044f\u0435\u0442 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0447\u0430\u0441\u0442\u044b\u0435 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0440\u0430\u0437\u043d\u0438\u0446\u044b \u0438 \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u043e\u0441\u043d\u043e\u0432\u0443. \u041d\u0430\u0433\u043b\u044f\u0434\u043d\u043e \u043d\u0438\u0436\u0435 \u0432 \u043a\u043e\u0434\u0435.<\/p>\n<pre><code class=\"python\">import re  # \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u043c \u0432 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0431\u0443\u043a\u0432\u044b # \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0438 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u0438\u0435 \u0431\u0443\u043a\u0432\u044b - \u043e\u0431\u044b\u0447\u043d\u043e \u044d\u0442\u043e\u0433\u043e \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e # \u0438\u043d\u043e\u0433\u0434\u0430 \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0446\u0438\u0444\u0440\u044b, \u044d\u0442\u043e \u0443\u0436\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0437\u0430\u0434\u0430\u0447\u0438 def clean_string(text):     text = text.lower()     text = re.sub(r'[^\u0430-\u044f\u0451a-z0-9]', ' ', text)  # \u0442\u0443\u0442 \u0446\u0438\u0444\u0440\u044b \u0443\u0434\u0430\u043b\u044f\u044e\u0442\u0441\u044f     text = re.sub(r'\\s+', ' ', text)     return text.strip()<\/code><\/pre>\n<pre><code class=\"python\">string_1 = '\u0440\u0430\u0431\u043e\u0442\u0430 28'  #  -&gt; '\u0440\u0430\u0431\u043e\u0442\u0430 28' string_2 = '\u0440\u043e\u0431\u043e\u0442    \u041f\u0435\u0442\u044f_(28)'  # -&gt; '\u0440\u043e\u0431\u043e\u0442 \u043f\u0435\u0442\u044f 28'  fuzzy_match_function(string_1, string_2)  # -&gt; 0.583 \u0431\u0435\u0437 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438  string_1 = clean_string(string_1) string_2 = clean_string(string_2) fuzzy_match_function(string_1, string_2)  # -&gt; 0.636 \u0441 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u043e\u0439. \u041b\u0443\u0447\u0448\u0435!<\/code><\/pre>\n<p>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u043c\u0435\u0435\u0442 \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0439 \u044d\u0444\u0444\u0435\u043a\u0442 &#8212; \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430. \u0427\u0430\u0441\u0442\u043e \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 utf-8 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432 \u0442\u0435\u043a\u0441\u0442\u0435 \u0441\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 100-200 \u0448\u0442\u0443\u043a. &#8212; <code>len(set('\u0442\u0443\u0442 \u043c\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430'))<\/code> \u041f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 2-gram \u044d\u0442\u043e \u0434\u0430\u0435\u0442 \u0442\u0435\u043e\u0440\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c 200 ** 200 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0431\u0438\u0433\u0440\u0430\u043c\u043c (\u043a\u0432\u0430\u0434\u0440\u0430\u0442 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430). \u041c\u043d\u043e\u0433\u043e. \u0410 \u0435\u0441\u043b\u0438 \u043c\u044b \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0442\u043e\u043b\u044c\u043a\u043e 33 \u0440\u0443\u0441. + 26 \u0430\u043d\u0433\u043b. +  \u043e\u0434\u0438\u043d \u043f\u0440\u043e\u0431\u0435\u043b, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c 60*60. \u042d\u0442\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0435\u0442 \u043d\u0430\u043c \u0436\u0438\u0437\u043d\u044c \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445.<\/p>\n<p>\u0418\u043d\u043e\u0433\u0434\u0430 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0435\u0449\u0435 \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442:<\/p>\n<ul>\n<li>\n<p>\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432 (nltk stop words);<\/p>\n<\/li>\n<li>\n<p>\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u043b\u0430\u0442\u0438\u043d\u0438\u0446\u044b (\u0441\u0438\u043b\u044c\u043d\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u043c \u0440\u0430\u0437\u043c\u0435\u0440 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430);<\/p>\n<\/li>\n<li>\n<p>\u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043b\u0430\u0442\u0438\u043d\u0438\u0446\u044b \u043d\u0430 \u043a\u0438\u0440\u0438\u043b\u043b\u0438\u0446\u0443 (\u0442\u0440\u0430\u043d\u0441\u043b\u0438\u0442\u0435\u0440\u0430\u0446\u0438\u044f);<\/p>\n<\/li>\n<li>\n<p>\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0441 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435\u043c &#171;\u043d\u0435\u0432\u0430\u0436\u043d\u044b\u0445&#187; \u0431\u0443\u043a\u0432, \u043d\u043e \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u0443\u0434\u0430\u043b\u044f\u0435\u043c \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b \u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u0441\u0442\u0430\u0432\u0448\u0438\u0435 \u043f\u0443\u0441\u0442\u044b\u043c\u0438. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0431\u043e\u0442\u044b \u043d\u0430 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0445 \u0448\u0430\u0433\u0430\u0445. \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u043c\u0435\u043f\u043f\u0438\u043d\u0433 \u043d\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438.<\/p>\n<h2>\u0412\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f<\/h2>\n<p>\u042d\u0442\u043e \u043a\u043b\u044e\u0447\u0435\u0432\u043e\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 (\u041b\u0435\u0432\u0435\u043d\u0448\u0442\u0435\u0439\u043d, n-gram). \u0412\u0441\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u0430. \u041e\u0441\u043d\u043e\u0432\u043d\u044b\u0445 \u0441\u043f\u043e\u0441\u043e\u0431\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0440\u0438.<\/p>\n<pre><code class=\"python\">from sklearn.feature_extraction.text import (TfidfVectorizer,                                               HashingVectorizer,                                              CountVectorizer)<\/code><\/pre>\n<p>\u041e\u0431\u044b\u0447\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c TfidfVectorizer, \u0442.\u043a. \u043e\u043d \u043c\u0430\u043a\u0441\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u0435\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c\u044b\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 (\u0435\u0441\u0442\u044c IDF, \u043d\u0435\u0442 \u0445\u044d\u0448-\u043a\u043e\u043b\u043b\u0438\u0437\u0438\u0439).<\/p>\n<p>\u0422\u0440\u0438 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u0430 TfidfVectorizer \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432\u0430\u0436\u043d\u044b, \u043e\u0431\u044b\u0447\u043d\u043e \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0442\u0430\u043a:<\/p>\n<ul>\n<li>\n<p><em>analyzer = <\/em>&#8216;char_wb&#8217; &#8212; \u0431\u0443\u0434\u0443\u0442 \u0432\u044b\u0434\u0435\u043b\u044f\u0442\u044c\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e ngram \u0432 \u043f\u0440\u0435\u0434\u0435\u043b\u0430\u0445 \u0441\u043b\u043e\u0432\u0430 (wb = word boundary). \u0412\u0441\u0435\u0433\u0434\u0430 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u043c \u0442\u0430\u043a, \u0442.\u043a. \u0438\u0449\u0435\u043c \u0438\u043c\u0435\u043d\u043d\u043e \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u043e \u0431\u0443\u043a\u0432 \u0438 \u0431\u0443\u043a\u0432\u043e\u0441\u043e\u0447\u0435\u0442\u0430\u043d\u0438\u0439 \u0432 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u0430\u0445;<\/p>\n<\/li>\n<li>\n<p><em>ngram_range = <\/em>(2, 3) &#8212; ngram\/\u043f\u043e\u0434\u0441\u0442\u0440\u043e\u043a\u0438 \u0434\u043b\u0438\u043d\u043d\u043e\u0439 2 \u0438 3. \u041c\u043e\u0436\u043d\u043e \u043f\u043e\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441 \u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 ngram, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 (2, 5);<\/p>\n<\/li>\n<li>\n<p><em>norm <\/em>= &#8216;l2&#8217; &#8212; \u0432\u0441\u0435\u0433\u0434\u0430 \u0441\u0442\u0430\u0432\u0438\u043c \u0442\u0430\u043a. \u0427\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 (inner\/dot product) \u0434\u0430\u0432\u0430\u043b\u043e \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u0443\u044e \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u044c (cosine similarity) \u0438 \u0447\u0442\u043e\u0431\u044b \u0434\u043b\u0438\u043d\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0435 \u0438\u0433\u0440\u0430\u043b\u0430 \u0440\u043e\u043b\u044c (\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043f\u0440\u0438\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u043a \u0435\u0434\u0438\u043d\u0438\u0447\u043d\u043e\u0439 \u0434\u043b\u0438\u043d\u0435).<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0438\u043c\u0435\u044e\u0442 \u0432\u0430\u0436\u043d\u043e\u0435 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u043e: \u0432\u0441\u0435 \u0447\u0438\u0441\u043b\u0430 \u0432 \u043d\u0438\u0445 &#8212; \u043d\u0435\u043e\u0442\u0440\u0438\u0446\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0435 (\u043b\u0435\u0436\u0430\u0442 \u0432 \u043f\u0435\u0440\u0432\u043e\u0439 \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u0438). \u042d\u0442\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0435 \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e TfidfVectorizer \u0441\u0447\u0438\u0442\u0430\u0435\u0442 \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0441\u0442\u044c ngram, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442\u0440\u0438\u0446\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0439.<\/p>\n<p>\u0417\u043d\u0430\u0447\u0438\u0442 \u0443\u0433\u043e\u043b \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442 0 \u0434\u043e 90 (\u03c0 \/ 2) \u0433\u0440\u0430\u0434\u0443\u0441\u043e\u0432. \u0412\u0441\u043f\u043e\u043c\u0438\u043d\u0430\u044f \u0433\u0440\u0430\u0444\u0438\u043a \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430, \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u043c, \u0447\u0442\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 \u0431\u0443\u0434\u0435\u0442 \u043b\u0435\u0436\u0430\u0442\u044c \u043d\u0430 \u043e\u0442\u0440\u0435\u0437\u043a\u0435 [0, 1].<\/p>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/d2c\/7f9\/1d7\/d2c7f91d7d8bef9ea0bdb093a4e41cbb.JPG\" alt=\"\u043f\u043e X \u0443\u0433\u043e\u043b, \u043f\u043e Y \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430\" title=\"\u043f\u043e X \u0443\u0433\u043e\u043b, \u043f\u043e Y \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430\" width=\"1638\" height=\"582\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/d2c\/7f9\/1d7\/d2c7f91d7d8bef9ea0bdb093a4e41cbb.JPG 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/d2c\/7f9\/1d7\/d2c7f91d7d8bef9ea0bdb093a4e41cbb.JPG 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u043f\u043e X \u0443\u0433\u043e\u043b, \u043f\u043e Y \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430<\/figcaption><\/div>\n<\/figure>\n<p>\u042d\u0442\u0430\u043f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0432\u0430\u0436\u043d\u044b\u0439, \u043d\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u044b\u0439. \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u0440\u0435\u0434\u043a\u043e.<\/p>\n<h2>\u0421\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432<\/h2>\n<p>\u041e\u0431\u044b\u0447\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 TfidfVectorizer \u043e\u0447\u0435\u043d\u044c \u0431\u043e\u043b\u044c\u0448\u0430\u044f, \u0434\u0435\u0441\u044f\u0442\u043a\u0438\/\u0441\u043e\u0442\u043d\u0438 \u0442\u044b\u0441\u044f\u0447. \u0414\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 \u043d\u0438\u043c\u0438 \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u0435\u043d\u0430 (\u043c\u043d\u043e\u0433\u043e \u0432\u0435\u0441\u044f\u0442, \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0435, \u043f\u0440\u043e\u043a\u043b\u044f\u0442\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438).<\/p>\n<p>\u042d\u0442\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u0440\u0435\u0448\u0430\u0435\u0442\u0441\u044f \u0442\u0435\u043c, \u0447\u0442\u043e TfidfVectorizer \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0440\u0430\u0437\u0440\u044f\u0436\u0435\u043d\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443 CSR matrix \u043e\u0442 scipy (\u0445\u0440\u0430\u043d\u0438\u043c \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0435\u043d\u0443\u043b\u0435\u0432\u044b\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u043c\u0430\u0442\u0440\u0438\u0446\u044b). \u041d\u043e \u0442\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u044b\u0435 \u043c\u0430\u043d\u0438\u043f\u0443\u043b\u044f\u0446\u0438\u0438. \u0414\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u043e \u043f\u043e\u0438\u0441\u043a\u0443 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043c\u0430\u0441\u0441\u0438\u0432 \u043f\u043b\u043e\u0442\u043d\u044b\u043c, \u0442.\u0435. \u043f\u0435\u0440\u0435\u0432\u0435\u0441\u0442\u0438 \u0432 np.array.<\/p>\n<p>\u041a \u043f\u0440\u0438\u043c\u0435\u0440\u0443, \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 5 \u043c\u043b\u043d. \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c\u044e 200_000, \u0442\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0437\u0430\u0439\u043c\u0443\u0442 3.7 \u0442\u0435\u0440\u0430\u0431\u0430\u0439\u0442\u0430 (float32) \u043d\u0430 \u0434\u0438\u0441\u043a\u0435, \u0447\u0442\u043e \u043d\u0435\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e \u043c\u043d\u043e\u0433\u043e. \u0415\u0441\u043b\u0438 \u0442\u0430\u043a\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043d\u0430\u0447\u0430\u0442\u044c \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u0442\u044c (X @ X.T), \u0442\u043e \u0436\u0434\u0430\u0442\u044c \u043f\u0440\u0438\u0434\u0451\u0442\u0441\u044f \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0435\u0441\u044f\u0446\u0435\u0432. \u0414\u0430 \u0438 \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438\u0445 \u043d\u0435\u0433\u0434\u0435.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0441\u0440\u0430\u0437\u0443 \u0441\u043d\u0438\u0436\u0430\u044e\u0442 \u0438\u0445 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c.<\/p>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435, \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432 \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u043c\u043d\u043e\u0433\u043e (MDS, t-SNE, UMAP, PCA, Truncated SVD). \u041d\u043e \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c: SparseRandomProjection. \u0421\u0443\u0442\u044c \u0442\u0430\u043c \u043f\u0440\u043e\u0441\u0442\u0430\u044f, \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0443\u0436\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438 \u043d\u0430\u0448\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043d\u0430 \u043d\u0435\u0451 \u0443\u043c\u043d\u043e\u0436\u0430\u044e\u0442\u0441\u044f. \u0420\u0430\u0437\u043c\u0435\u0440 \u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c.<\/p>\n<p>\u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u0434\u0435\u0442 \u0447\u0430\u0441\u0442\u044f\u043c\u0438. \u041f\u0440\u043e\u0447\u0438\u0442\u0430\u043b\u0438 \u0441\u0442\u0440\u043e\u043a\u0438 -&gt; \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u043e\u0432\u0430\u043b\u0438 \u0432 CSR -&gt; \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c -&gt; \u0437\u0430\u043f\u0438\u0441\u0430\u043b\u0438 \u043d\u0430 \u0434\u0438\u0441\u043a \u043f\u043b\u043e\u0442\u043d\u044b\u0435 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430.<\/p>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/072\/3dd\/37a\/0723dd37a6a96cf942771da21f7ea934.JPG\" alt=\"\u043a\u043e\u0433\u0434\u0430 \u0443\u0437\u043d\u0430\u043b \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 SparseRandomProjection)) \u043d\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043c \u0434\u0430\u0436\u0435 \u043b\u0435\u043c\u043c\u0430 \u0414\u0436\u043e\u043d\u0441\u043e\u043d\u0430\u2013\u041b\u0438\u043d\u0434\u0435\u043d\u0448\u0442\u0440\u0430\u0443\u0441\u0441\u0430 \u0435\u0441\u0442\u044c, \u0442.\u0435. \u0432\u0441\u0451 \u043f\u043e \u043d\u0430\u0443\u043a\u0435\" title=\"\u043a\u043e\u0433\u0434\u0430 \u0443\u0437\u043d\u0430\u043b \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 SparseRandomProjection)) \u043d\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043c \u0434\u0430\u0436\u0435 \u043b\u0435\u043c\u043c\u0430 \u0414\u0436\u043e\u043d\u0441\u043e\u043d\u0430\u2013\u041b\u0438\u043d\u0434\u0435\u043d\u0448\u0442\u0440\u0430\u0443\u0441\u0441\u0430 \u0435\u0441\u0442\u044c, \u0442.\u0435. \u0432\u0441\u0451 \u043f\u043e \u043d\u0430\u0443\u043a\u0435\" width=\"745\" height=\"465\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/072\/3dd\/37a\/0723dd37a6a96cf942771da21f7ea934.JPG 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/072\/3dd\/37a\/0723dd37a6a96cf942771da21f7ea934.JPG 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u043a\u043e\u0433\u0434\u0430 \u0443\u0437\u043d\u0430\u043b \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 SparseRandomProjection)) \u043d\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043c \u0434\u0430\u0436\u0435 \u043b\u0435\u043c\u043c\u0430 \u0414\u0436\u043e\u043d\u0441\u043e\u043d\u0430\u2013\u041b\u0438\u043d\u0434\u0435\u043d\u0448\u0442\u0440\u0430\u0443\u0441\u0441\u0430 \u0435\u0441\u0442\u044c, \u0442.\u0435. \u0432\u0441\u0451 \u043f\u043e \u043d\u0430\u0443\u043a\u0435<\/figcaption><\/div>\n<\/figure>\n<p>\u041a\u043b\u044e\u0447\u0435\u0432\u043e\u0439 \u0438 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 SparseRandomProjection &#8212; \u044d\u0442\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c \u0446\u0435\u043b\u0435\u0432\u043e\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430. \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u043d\u0430\u0434\u043e \u043e\u043f\u044b\u0442\u043d\u044b\u043c \u043f\u0443\u0442\u0435\u043c. \u0414\u043b\u044f \u0442\u0435\u0441\u0442\u043e\u0432 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0447\u0430\u0442\u044c \u0441 32, \u0434\u0430\u043b\u0435\u0435 \u043f\u043e\u0434\u043d\u0438\u043c\u0430\u0442\u044c, \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e. \u041e\u0431\u044b\u0447\u043d\u043e, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 512 \u0434\u043e 10_000.<\/p>\n<h2>\u041f\u043e\u0438\u0441\u043a \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432<\/h2>\n<p>\u0418\u0442\u0430\u043a, \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043d\u0430\u0431\u043e\u0440 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432. \u041f\u0435\u0440\u0432\u043e\u0435 \u0436\u0435\u043b\u0430\u043d\u0438\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\"># full pairwise dot\u2010product matrix (\u0432 \u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u044d\u0442\u043e \u043a\u0430\u043a \u0440\u0430\u0437 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u0430\u044f \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u044c) dot_product = X @ X.T  # \u043b\u0438\u0431\u043e \u0447\u0442\u043e-\u0442\u043e \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0447\u043d\u043e\u0435 from scipy.spatial.distance import pdist, squareform from torch import cdist  # \u043c\u043e\u0436\u043d\u043e \u0434\u0430\u0436\u0435 \u0441 GPU from scipy.spatial.distance import cdist from sparse_dot_topn import sparse_dot_topn<\/code><\/pre>\n<p>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 5-20 \u043c\u043b\u043d. \u0441\u0442\u0440\u043e\u043a, \u0442\u043e \u044d\u0442\u043e \u0432\u0441\u0451 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0434\u043e\u043b\u0433\u043e.<\/p>\n<p>\u0422\u0443\u0442 \u043f\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043a\u043b\u044e\u0447\u0435\u0432\u043e\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043d\u0430\u043c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u0441\u0451 \u0431\u044b\u0441\u0442\u0440\u043e \u0438 \u0441 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u0439 \u043f\u043e\u0442\u0435\u0440\u0435\u0439 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 &#8212; Faiss (python \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430). \u0414\u0435\u0442\u0430\u043b\u0438 \u0435\u0441\u0442\u044c \u0432 \u044d\u0442\u043e\u0439 <a href=\"https:\/\/habr.com\/ru\/companies\/okkamgroup\/articles\/509204\/\" rel=\"noopener noreferrer nofollow\">\u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0430 \u0445\u0430\u0431\u0440\u0435<\/a>.<\/p>\n<p>\u0421\u0430\u043c\u044b\u0439 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0439 \u0438\u043d\u0434\u0435\u043a\u0441 \u0432 faiss &#8212; IndexIVFPQ, \u043e\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0434\u0432\u0435 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438:<\/p>\n<ul>\n<li>\n<p>\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0447\u0430\u0441\u0442\u0438, \u043a\u0430\u0436\u0434\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u0438\u043c \u0431\u0430\u0439\u0442\u043e\u043c. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0443 \u043d\u0430\u0441 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c 10_000, \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445 float32 (4 \u0431\u0430\u0439\u0442\u0430). \u0418\u0442\u043e\u0433\u043e, 40_000 \u0431\u0430\u0439\u0442. \u0410 \u0435\u0441\u043b\u0438 \u0440\u0430\u0437\u0440\u0435\u0436\u0435\u043c \u0432\u0435\u043a\u0442\u043e\u0440 \u043d\u0430 32 \u0447\u0430\u0441\u0442\u0438, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043c 32 \u0431\u0430\u0439\u0442\u0430. \u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043f\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0443 \u0438 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438. \u041a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e.<\/p>\n<\/li>\n<li>\n<p>\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0443\u044e\u0442\u0441\u044f. \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u0435\u043b\u0438 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430. \u041f\u043e\u0438\u0441\u043a \u0431\u0443\u0434\u0435\u0442 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e \u0441\u0430\u043c\u044b\u043c \u0431\u043b\u0438\u0437\u043a\u0438\u043c \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430\u043c \u043a \u0446\u0435\u043b\u0435\u0432\u043e\u043c\u0443 \u0432\u0435\u043a\u0442\u043e\u0440\u0443.<\/p>\n<\/li>\n<\/ul>\n<p>\u042d\u0442\u0438 \u0434\u0432\u0435 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0442 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0435 \u043e\u0431\u044a\u0435\u043c\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 CPU (\u0443 faiss \u0435\u0441\u0442\u044c GPU \u0432\u0435\u0440\u0441\u0438\u044f, \u043d\u043e \u0442\u0430\u043c \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0441 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0435\u0439, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0447\u0435\u0440\u0435\u0437 conda-forge \u044d\u0442\u043e \u0438 \u0437\u0430\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442).<\/p>\n<p>\u041e\u0431\u0449\u0430\u044f \u043b\u043e\u0433\u0438\u043a\u0430 \u044d\u0442\u043e\u0433\u043e \u0448\u0430\u0433\u0430 &#8212; \u0438\u0441\u043a\u0430\u0442\u044c \u0432\u0441\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0441\u0430\u043c\u043e\u043c \u044d\u0442\u043e\u043c \u0436\u0435 \u0441\u043f\u0438\u0441\u043a\u0435:<\/p>\n<pre><code class=\"python\">import faiss  d = 128 nlist = 100 m = 8 nbits = 8 train_n = 10000 k = 5  # \u0432\u044b\u0431\u043e\u0440 top N \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0445\u043e\u0442\u0438\u043c \u043d\u0430\u0439\u0442\u0438  idx = faiss.IndexIVFPQ(faiss.IndexFlatL2(d), d, nlist, m, nbits) idx.train(B[:train_n])  # \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0436\u043d\u043e \u0431\u0430\u0442\u0447\u0430\u043c\u0438 \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0432\u044b\u0431\u043e\u0440\u043a\u0435 idx.add(B)  # \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043d\u0430\u0434\u043e \u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430, \u043a\u043e\u043d\u0435\u0447\u043d\u043e D, I = idx.search(A, k) # \u043f\u043e\u0438\u0441\u043a \u043c\u043e\u0436\u043d\u043e \u0431\u0430\u0442\u0447\u0430\u043c\u0438 \u0434\u0435\u043b\u0430\u0442\u044c<\/code><\/pre>\n<p>\u0414\u0430\u043d\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a \u0434\u0430\u0451\u0442 \u0442\u043e\u043b\u044c\u043a\u043e k-NN, \u0442.\u0435. k \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0445 \u0441\u043e\u0441\u0435\u0434\u0435\u0439 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0441\u043f\u0438\u0441\u043a\u0435.<\/p>\n<p>\u041f\u0440\u0438 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 \u043d\u0430\u0434\u043e \u043f\u043e\u043c\u043d\u0438\u0442\u044c:<\/p>\n<ul>\n<li>\n<p>\u043c\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u043c \u0441\u043f\u0438\u0441\u043e\u043a \u0441 \u0441\u0430\u043c\u0438\u043c \u0441\u043e\u0431\u043e\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u0430\u043c\u044b\u0439 \u043f\u043e\u0445\u043e\u0436\u0438\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 &#8212; \u0432\u0441\u0435\u0433\u0434\u0430 \u0431\u0443\u0434\u0435\u0442 \u0441\u0430\u043c \u044d\u0442\u043e\u0442 \u044d\u043b\u0435\u043c\u0435\u043d\u0442;<\/p>\n<\/li>\n<li>\n<p>\u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c \u0443 \u043d\u0430\u0441 100 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0438 \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u043f\u043e\u0438\u0441\u043a top3 (100*3=300). \u0418\u0437 \u043d\u0438\u0445 100 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u0441\u0440\u0430\u0437\u0443 \u043c\u043e\u0436\u043d\u043e \u0443\u0431\u0440\u0430\u0442\u044c, \u0442.\u043a. \u044d\u0442\u043e \u0433\u0440\u0430\u0444\u043e\u0432\u044b\u0435 &#171;\u043f\u0435\u0442\u043b\u0438&#187;, \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u043f\u043e\u0445\u043e\u0436 \u0441\u0430\u043c \u043d\u0430 \u0441\u0435\u0431\u044f. \u0412 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u043e\u043c \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u0440\u0435\u0431\u0435\u0440 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442 200 \u0434\u043e 100. \u042d\u0442\u043e \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043f\u043e\u043f\u0430\u043b\u043e \u043b\u0438 \u0440\u0435\u0431\u0440\u043e \u0432 top3 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0438\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043e\u0434\u0438\u043d.<\/p>\n<\/li>\n<\/ul>\n<p>\u041d\u0430 \u044d\u0442\u043e\u043c \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0437\u0430\u0442\u0440\u0430\u0442\u043d\u044b\u0439 \u044d\u0442\u0430\u043f \u0437\u0430\u0432\u0435\u0440\u0448\u0435\u043d.<\/p>\n<h2>\u0413\u0440\u0430\u0444\u043e\u0432\u0430\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430<\/h2>\n<p>\u041b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0432 \u0432\u0438\u0434\u0435 \u0433\u0440\u0430\u0444\u0430: \u043a\u0430\u0436\u0434\u044b\u0439 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 &#8212; \u0432\u0435\u0440\u0448\u0438\u043d\u0430 \u0433\u0440\u0430\u0444\u0430, \u0440\u0435\u0431\u0440\u0430 &#8212; \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438.<\/p>\n<p>\u041c\u043e\u0436\u043d\u043e \u0432\u0437\u044f\u0442\u044c \u0432\u0441\u0435 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u044b \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u0438 \u0433\u0440\u0430\u0444\u0430 \u0438 \u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u0447\u0442\u043e \u044d\u0442\u043e \u0438 \u0435\u0441\u0442\u044c \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430 \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 (\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b). \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0432 \u0442\u043e\u043c, &#171;\u043c\u0443\u0445\u0430&#187; \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 &#171;\u0441\u043b\u043e\u043d\u0430&#187; \u0447\u0435\u0440\u0435\u0437 10 \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u0441\u0442\u0440\u043e\u043a.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0431\u044b\u0447\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442\u0441\u044f \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043f\u043e\u0438\u0441\u043a\u0430 \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432 \u043d\u0430 \u0432\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u043e\u043c \u0433\u0440\u0430\u0444\u0435 (Louvain Community Detection Algorithm, networkx \u0438\u043b\u0438 igraph). \u042d\u0442\u043e \u0434\u0430\u0451\u0442 \u0431\u043e\u043b\u0435\u0435 \u043e\u0431\u043e\u0441\u043e\u0431\u043b\u0435\u043d\u043d\u044b\u0435 \u0438 \u043b\u043e\u0433\u0438\u0447\u043d\u044b\u0435 \u043d\u0430\u0431\u043e\u0440\u044b \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432.<\/p>\n<p>\u041a\u043e\u043d\u0435\u0447\u043d\u043e, \u0444\u043e\u0440\u043c\u0430\u0442\u044b \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 \u0438 \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u043c\u043e\u0433\u0443\u0442 \u043e\u0442\u043b\u0438\u0447\u0430\u0442\u044c\u0441\u044f. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043c\u043e\u0436\u043d\u043e \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0433\u0440\u0430\u0444, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043d\u0430 \u044d\u0442\u0430\u043f\u0435 k-NN. \u042d\u0442\u043e \u0443\u0436\u0435 \u043d\u0435\u0441\u0435\u0442 \u0432 \u0441\u0435\u0431\u0435 \u043c\u0430\u0441\u0441\u0443 \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438.<\/p>\n<h2>\u041e\u0434\u0438\u043d \u0441\u043f\u0438\u0441\u043e\u043a VS \u043d\u0430\u0431\u043e\u0440 \u0441\u043f\u0438\u0441\u043a\u043e\u0432<\/h2>\n<p>\u0414\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0430\u044f \u0440\u0430\u0437\u0432\u0438\u043b\u043a\u0430 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0432 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0441\u043f\u0438\u0441\u043a\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u044b \u0438\u043c\u0435\u0435\u043c \u0432 \u043d\u0430\u0447\u0430\u043b\u0435. <\/p>\n<ul>\n<li>\n<p>\u043b\u0438\u0431\u043e \u044d\u0442\u043e \u043e\u0434\u0438\u043d \u0441\u043f\u0438\u0441\u043e\u043a. \u0414\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b \u043d\u0430\u0434\u043e \u0438\u0441\u043a\u0430\u0442\u044c \u0432 \u043d\u0451\u043c (\u0432\u044b\u0448\u0435 \u043a\u0430\u043a \u0440\u0430\u0437 \u044d\u0442\u0430 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f);<\/p>\n<\/li>\n<li>\n<p>\u043b\u0438\u0431\u043e \u044d\u0442\u043e \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u043f\u0438\u0441\u043a\u043e\u0432, \u0414\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b \u043d\u0430\u0434\u043e \u0438\u0441\u043a\u0430\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438.<\/p>\n<\/li>\n<\/ul>\n<p>\u0415\u0441\u043b\u0438 \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0432\u0442\u043e\u0440\u0430\u044f \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044f, \u0442\u043e \u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u044d\u0442\u0430\u043f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0438\u043d\u0434\u0435\u043a\u0441\u043e\u0432 faiss. \u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0441\u043f\u0438\u0441\u043a\u0430 \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u0441\u0432\u043e\u0439 \u0438\u043d\u0434\u0435\u043a\u0441. \u0421\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0438\u0434\u0435\u0442 \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u0432 \u0432\u0441\u0435\u0445 \u043f\u0430\u0440 \u0441\u043f\u0438\u0441\u043a\u043e\u0432 (\u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0439 \u0438\u0437 N \u043f\u043e 2).<\/p>\n<h2>\u0410 \u0435\u0441\u043b\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0435\u0449\u0435 \u0431\u043e\u043b\u044c\u0448\u0435?<\/h2>\n<p>\u042d\u0442\u043e\u0442 \u043f\u0443\u0442\u044c \u043c\u044b \u043d\u0435 \u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043b\u0438 \u043d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435, \u043d\u043e \u0435\u0441\u043b\u0438 \u0441\u0442\u0440\u043e\u043a \u0431\u0443\u0434\u0443\u0442 \u0431\u0443\u0434\u0443\u0442 \u0434\u0435\u0441\u044f\u0442\u043a\u0438\/\u0441\u043e\u0442\u043d\u0438 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432, \u0442\u043e \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e \u043f\u043e\u0434\u0445\u043e\u0434 \u0432\u044b\u0448\u0435 \u043d\u0435 \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442. \u041f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u043c\u0435\u043d\u044f\u0442\u044c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443. <\/p>\n<p>\u0421\u0430\u043c\u044b\u043c \u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c \u0431\u0443\u0434\u0435\u0442 LSH (MinHash \u043b\u0438\u0431\u043e SimHash). \u041a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f \u043e\u0449\u0443\u0442\u0438\u043c\u043e, \u043d\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043d\u0430 \u043d\u0435\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u044b\u0435 \u043e\u0431\u044a\u0435\u043c\u044b.<\/p>\n<h2>\u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u0438 \u043f\u043e\u0434\u0431\u043e\u0440 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432<\/h2>\n<p>\u042d\u0442\u043e \u0441\u043b\u043e\u0436\u043d\u0430\u044f \u0442\u0435\u043c\u0430. \u0421\u0438\u0441\u0442\u0435\u043c\u043d\u043e\u0433\u043e \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u044f \u043d\u0430\u043c \u0442\u0430\u043a \u0438 \u043d\u0435 \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u043d\u0430\u043b\u0430\u0434\u0438\u0442\u044c. \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043d\u043e, \u0441 \u0443\u0447\u0435\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0437\u0430\u0434\u0430\u0447\u0438 \u0438 \u0441\u0443\u0431\u044a\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u0439 \u043a \u043d\u0435\u0439.<\/p>\n<p>\u041c\u044b \u043f\u044b\u0442\u0430\u043b\u0438\u0441\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u0432\u0430 \u043f\u043e\u0434\u0445\u043e\u0434\u0430, \u043d\u043e \u044f\u0432\u043d\u043e\u0433\u043e \u043f\u043e\u0432\u044b\u0448\u0435\u043d\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438:<\/p>\n<ul>\n<li>\n<p>\u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0430 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u043e\u043c. \u0414\u0430\u0451\u043c \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443 \u043f\u0430\u0440\u044b, \u043e\u043d \u0440\u0430\u0437\u043c\u0435\u0447\u0430\u0435\u0442 \u043f\u043e\u0445\u043e\u0436\u0435\/\u043d\u0435 \u043f\u043e\u0445\u043e\u0436\u0435. \u041c\u044b \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u043f\u043e\u0440\u043e\u0433 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u043e\u0439 \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u0438 (\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u044d\u0442\u0430\u043b\u043e\u043d \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0432\u043e\u0441\u043f\u0440\u0438\u044f\u0442\u0438\u044f \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432).<\/p>\n<\/li>\n<li>\n<p>\u0441\u043e\u0437\u0434\u0430\u0451\u043c \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0435. \u0412\u043a\u043b\u044e\u0447\u0430\u0435\u043c \u0442\u0443\u0434\u0430 \u0434\u0432\u0430 \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0445 \u043d\u0430\u0431\u043e\u0440\u0430 \u043f\u0430\u0440: \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0442\u043e\u0447\u043d\u043e \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b \u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0442\u043e\u0447\u043d\u043e \u041d\u0415 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b (\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u043c \u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043d\u043e). \u0412 \u0438\u0434\u0435\u0430\u043b\u0435, \u043d\u0430\u0448 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0434\u043e\u043b\u0436\u0435\u043d \u043d\u0430\u0439\u0442\u0438 \u043a\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432 \u0438 \u043d\u0435 \u043d\u0430\u0439\u0442\u0438 \u043d\u0438 \u043e\u0434\u043d\u043e\u0433\u043e &#171;\u043d\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u0430&#187;. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u044c \u0432\u0441\u0435\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043e\u0442 \u043d\u0430\u0447\u0430\u043b\u0430 \u0434\u043e \u043a\u043e\u043d\u0446\u0430.<\/p>\n<\/li>\n<\/ul>\n<h2>\u0427\u0435\u043c\u0443 \u044f \u043d\u0430\u0443\u0447\u0438\u043b\u0441\u044f \u0438\u0437\u0443\u0447\u0430\u044f \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a<\/h2>\n<p>\u041f\u0443\u0442\u044c \u043e\u0442 Levenshtein.distance(a, b) \u0434\u043e idx.search(A, k) \u0441\u043e\u0441\u0442\u0430\u0432\u0438\u043b \u0431\u043e\u043b\u0435\u0435 2 \u043b\u0435\u0442. \u0418 \u043d\u0435 \u0437\u0430\u0432\u0435\u0440\u0448\u0435\u043d \u0434\u0430\u0436\u0435 \u0441\u0435\u0439\u0447\u0430\u0441. \u0412\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u043d\u043e\u0432\u044b\u0435 \u0430\u0441\u043f\u0435\u043a\u0442\u044b \u0437\u0430\u0434\u0430\u0447\u0438, \u043d\u043e\u0432\u044b\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f, \u043d\u043e\u0432\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b.<\/p>\n<p>\u041d\u0430 \u043f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u0438\u0438 \u044d\u0442\u043e\u0433\u043e \u043f\u0443\u0442\u0438 \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u043b\u0438\u0441\u044c \u043c\u043d\u043e\u0433\u0438\u0435 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b. \u042d\u0442\u043e \u0441\u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043b\u043e \u0440\u044f\u0434 \u0432\u0430\u0436\u043d\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u043c\u0438 \u044f \u0434\u0435\u043b\u044e\u0441\u044c \u043d\u0438\u0436\u0435:<\/p>\n<ol>\n<li>\n<p>\u0412\u0441\u0435\u0433\u0434\u0430 \u043d\u0430\u0434\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u043d\u0430 \u043a\u0430\u043a\u043e\u0439 \u043c\u0430\u0448\u0438\u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0442\u044c\u0441\u044f \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c (RAM, \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u044f\u0434\u0440\u0430, SSD, GPU);<\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0441\u043b\u043e\u0436\u043d\u043e\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 &#8212; \u0432\u0435\u0447\u043d\u0430\u044f \u0431\u043e\u0440\u044c\u0431\u0430 \u0441 OOM \u0438 \u0432\u0440\u0435\u043c\u0435\u043d\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u043a\u043e\u0434\u0430;<\/p>\n<\/li>\n<li>\n<p>\u041c\u043d\u043e\u0433\u043e\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440\u043d\u043e\u0441\u0442\u044c &#8212; \u0432\u0441\u0435\u0433\u0434\u0430 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c, \u043c\u043e\u0436\u043d\u043e \u043b\u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c;<\/p>\n<\/li>\n<li>\n<p>Memory mappings, \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0447\u0430\u0441\u0442\u044f\u043c\u0438 &#8212; \u0447\u0430\u0441\u0442\u043e \u0431\u0435\u0437 \u044d\u0442\u043e\u0433\u043e \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0437\u0430\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442;<\/p>\n<\/li>\n<li>\n<p>\u0424\u0430\u0439\u043b\u043e\u0432\u0430\u044f \u0441\u0438\u0441\u0442\u0435\u043c\u0430\/\u0444\u0430\u0439\u043b\u044b &#8212; \u043f\u043e\u043b\u043d\u043e\u043f\u0440\u0430\u0432\u043d\u044b\u0435 \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445. \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0443\u0434\u043e\u0431\u043d\u044b \u0434\u043b\u044f \u043c\u0435\u0436\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440\u043d\u043e\u0439 \u043f\u0435\u0440\u0435\u0434\u0430\u0447\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (IPC) \u0438 \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445, \u043f\u0440\u0435\u0432\u044b\u0448\u0430\u044e\u0449\u0438\u0445 RAM (\u043a\u043e\u0433\u0434\u0430 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0447\u0430\u0441\u0442\u044f\u043c\u0438);<\/p>\n<\/li>\n<li>\n<p>\u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u0434 &#8212; \u044d\u0442\u043e \u043b\u0438\u0431\u043e numpy, \u043b\u0438\u0431\u043e torch GPU, \u043b\u0438\u0431\u043e \u0441\u043a\u043e\u043c\u043f\u0438\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043a\u043e\u0434 \u043d\u0430 \u0431\u044b\u0441\u0442\u0440\u044b\u0445 \u044f\u0437\u044b\u043a\u0430\u0445 (faiss \u043d\u0430 \u0421++), polars\/duckdb. \u0417\u0430\u0431\u044b\u0432\u0430\u0435\u043c \u043f\u0440\u043e pandas, \u043e\u0431\u044b\u0447\u043d\u044b\u0435 python list\/tuple\/set;<\/p>\n<\/li>\n<li>\n<p>\u0411\u0430\u0439\u0442\u044b\/\u0431\u0438\u0442\u044b &#8212; \u043e\u0441\u043d\u043e\u0432\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438. \u0416\u0435\u043b\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c, \u043a\u0430\u043a \u043f\u0438\u0448\u0443\u0442\u0441\u044f \u0438 \u0447\u0438\u0442\u0430\u044e\u0442\u0441\u044f \u0431\u0430\u0439\u0442\u044b. \u0414\u043b\u044f \u043c\u0435\u043d\u044f \u043e\u0442\u043a\u0440\u044b\u0442\u0438\u0435\u043c \u0431\u044b\u043b\u0438: python struct, byte array, byte string;<\/p>\n<\/li>\n<li>\n<p>Numpy array &#8212; \u043a\u0440\u0430\u0439\u043d\u0435 \u0432\u0430\u0436\u0435\u043d \u0434\u043b\u044f \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432. (shape, strides, C\/Fortran contiguous, dtype, byte order, view VS copy). \u041d\u0435\u0434\u0430\u0440\u043e\u043c \u0433\u043e\u0432\u043e\u0440\u044f\u0442, \u0447\u0442\u043e Numpy &#8212; \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u0430\u044f \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 \u0434\u043b\u044f \u043d\u0430\u0443\u0447\u043d\u044b\u0445 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439;<\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0437\u0440\u044f\u0436\u0435\u043d\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0432\u0430\u0436\u043d\u044b (\u043e\u0431\u044b\u0447\u043d\u043e \u0445\u0432\u0430\u0442\u0430\u0435\u0442 CSR). \u0418\u043c\u0435\u043d\u043d\u043e \u043e\u043d\u0438 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0442 \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u044b\u0441\u043e\u043a\u043e\u0440\u0430\u0437\u043c\u0435\u0440\u043d\u044b\u0445 \u0440\u0430\u0437\u0440\u044f\u0436\u0435\u043d\u043d\u044b\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u043f\u043e\u0441\u043b\u0435 TfidfVectorizer;<\/p>\n<\/li>\n<li>\n<p>\u0413\u0440\u0430\u0444\u044b \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0442 \u0443\u0434\u043e\u0431\u043d\u043e \u0432\u043e\u0441\u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445. \u041f\u0440\u043e \u043d\u0438\u0445 \u044f \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0443\u044e \u0441\u0442\u0430\u0442\u044c\u044e <a href=\"https:\/\/habr.com\/ru\/articles\/828770\/\" rel=\"noopener noreferrer nofollow\">\u043f\u0438\u0441\u0430\u043b \u043d\u0430 \u0445\u0430\u0431\u0440<\/a>;<\/p>\n<\/li>\n<li>\n<p>\u0411\u0430\u0437\u043e\u0432\u0430\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u0430\u044f \u0430\u043b\u0433\u0435\u0431\u0440\u0430, \u043c\u0430\u0442\u0440\u0438\u0446\u044b &#8212; \u0447\u0430\u0441\u0442\u043e \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u044e\u0442\u0441\u044f \u043f\u0440\u0438 \u0440\u0430\u0431\u043e\u0442\u0435 \u0441 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438 (~\u043a\u0430\u0436\u0434\u044b\u0439 \u0434\u0435\u043d\u044c).<\/p>\n<\/li>\n<\/ol>\n<p>\u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0439, \u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c \u0431\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u0438 \u0441\u0442\u0430\u0440\u044b\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442, \u043a\u0430\u043a TfidfVectorizer \u0440\u0435\u0448\u0430\u0435\u0442 \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0435 \u0438 \u043d\u0443\u0436\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438. \u0411\u0435\u0437 \u0432\u0441\u044f\u043a\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439 \u0438 \u0418\u0418 \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \ud83d\ude42<\/p>\n<p>\u041f\u0440\u043e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u044f \u0442\u043e\u0436\u0435 \u043f\u0438\u0448\u0443, \u0432 \u0441\u0432\u043e\u0435\u043c tg \u043a\u0430\u043d\u0430\u043b\u0435 <a href=\"https:\/\/t.me\/key_concept\" rel=\"noopener noreferrer nofollow\">\u0442\u0443\u0442<\/a>, \u0435\u0441\u043b\u0438 \u043f\u043e\u043d\u0440\u0430\u0432\u0438\u043b\u0430\u0441\u044c \u0441\u0442\u0430\u0442\u044c\u044f &#8212; \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u044e \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><\/p>\n<div class=\"tm-article-poll-container\"><!--[--><\/p>\n<div class=\"tm-article-poll tm-article-poll_variant-bordered\">\n<div class=\"tm-notice tm-notice_positive tm-article-poll__notice\"><!----><\/p>\n<div class=\"tm-notice__inner\"><!----><\/p>\n<div class=\"tm-notice__content\" data-test-id=\"notice-content\"><!--[--><span>\u0422\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u043c\u043e\u0433\u0443\u0442 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0442\u044c \u0432 \u043e\u043f\u0440\u043e\u0441\u0435. <a rel=\"nofollow\" href=\"\/kek\/v1\/auth\/habrahabr\/?back=\/ru\/articles\/923080\/&#038;hl=ru\">\u0412\u043e\u0439\u0434\u0438\u0442\u0435<\/a>, \u043f\u043e\u0436\u0430\u043b\u0443\u0439\u0441\u0442\u0430.<\/span><!--]--><\/div>\n<\/div>\n<\/div>\n<p><!--[--><\/p>\n<div class=\"tm-article-poll__header\">\u0412\u0441\u0442\u0440\u0435\u0447\u0430\u043b\u0438 \u043b\u0438 \u0432\u044b \u0437\u0430\u0434\u0430\u0447\u0443 \u043f\u043e\u0438\u0441\u043a\u0430 \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432 (fuzzy matching)?<\/div>\n<div class=\"tm-article-poll__answers\"><!--[--><\/p>\n<div class=\"tm-article-poll__answer\">\n<div class=\"tm-article-poll__answer-data\"><span class=\"tm-article-poll__answer-percent tm-article-poll__answer-percent_winning\">50% <\/span><span class=\"tm-article-poll__answer-label\">\u0414\u0430, \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e<\/span><span class=\"tm-article-poll__answer-votes\">4<\/span><\/div>\n<div class=\"tm-article-poll__answer-bar\">\n<div class=\"tm-article-poll__answer-progress tm-article-poll__answer-progress_winning\" style=\"width: 50%\"><\/div>\n<\/div>\n<\/div>\n<div class=\"tm-article-poll__answer\">\n<div class=\"tm-article-poll__answer-data\"><span class=\"tm-article-poll__answer-percent\">25% <\/span><span class=\"tm-article-poll__answer-label\">\u0412\u0441\u0442\u0440\u0435\u0447\u0430\u043b, \u043d\u043e \u043e\u0447\u0435\u043d\u044c \u0440\u0435\u0434\u043a\u043e<\/span><span class=\"tm-article-poll__answer-votes\">2<\/span><\/div>\n<div class=\"tm-article-poll__answer-bar\">\n<div class=\"tm-article-poll__answer-progress\" style=\"width: 25%\"><\/div>\n<\/div>\n<\/div>\n<div class=\"tm-article-poll__answer\">\n<div class=\"tm-article-poll__answer-data\"><span class=\"tm-article-poll__answer-percent\">25% <\/span><span class=\"tm-article-poll__answer-label\">\u041d\u0435 \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u043b<\/span><span class=\"tm-article-poll__answer-votes\">2<\/span><\/div>\n<div class=\"tm-article-poll__answer-bar\">\n<div class=\"tm-article-poll__answer-progress\" style=\"width: 25%\"><\/div>\n<\/div>\n<\/div>\n<p><!--]--><\/div>\n<div class=\"tm-article-poll__stats\"> \u041f\u0440\u043e\u0433\u043e\u043b\u043e\u0441\u043e\u0432\u0430\u043b\u0438 8 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0435\u0439.   \u0412\u043e\u0437\u0434\u0435\u0440\u0436\u0430\u0432\u0448\u0438\u0445\u0441\u044f \u043d\u0435\u0442. <\/div>\n<p><!--]--><\/div>\n<p><!--]--><\/div>\n<p> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/923080\/\"> https:\/\/habr.com\/ru\/articles\/923080\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<h2>\u041d\u0435\u0442\u043e\u0447\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a. \u0427\u0442\u043e \u044d\u0442\u043e \u0438 \u0437\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u043d\u043e?<\/h2>\n<p>\u0415\u0441\u0442\u044c \u0441\u043f\u0438\u0441\u043e\u043a \u0447\u0435\u0433\u043e-\u0443\u0433\u043e\u0434\u043d\u043e, \u043f\u043e-\u043f\u0438\u0442\u043e\u043d\u043e\u0432\u0441\u043a\u0438 &#8212; list[str]. \u0412 \u043d\u0451\u043c \u043d\u0430\u0434\u043e \u043d\u0430\u0439\u0442\u0438 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043e\u0445\u043e\u0436\u0438 \u0434\u0440\u0443\u0433 \u043d\u0430 \u0434\u0440\u0443\u0433\u0430. \u0412 \u0440\u043e\u043b\u0438 \u0441\u043f\u0438\u0441\u043a\u0430 \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044f \u0444\u0430\u0439\u043b\u043e\u0432, \u0438\u043c\u0435\u043d\u0430 \u043b\u044e\u0434\u0435\u0439, \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u0441\u043f\u0440\u0430\u0432\u043e\u0447\u043d\u0438\u043a\u043e\u0432, \u043f\u0435\u0440\u0435\u0447\u0435\u043d\u044c \u0418\u0422-\u0441\u0438\u0441\u0442\u0435\u043c \u0438 \u0442.\u0434. \u0438 \u0442.\u043f. \u0422\u0430\u043a\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 \u0443\u0434\u0438\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0447\u0430\u0441\u0442\u043e \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u0435\u0442\u0441\u044f \u0432 \u0436\u0438\u0437\u043d\u0438.<\/p>\n<p>\u041f\u043e\u0434 <strong>\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u043c\u0438 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u0430\u043c\u0438 <\/strong>\u043c\u044b \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u043c \u0442\u0430\u043a\u0438\u0435 \u0434\u0432\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0431\u044b \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043b \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u043c\u0438, \u0437\u0430 \u0438\u0441\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0445\/\u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0445 \u0440\u0430\u0437\u043d\u0438\u0446. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043e\u0448\u0438\u0431\u043a\u0438, \u043e\u043f\u0435\u0447\u0430\u0442\u043a\u0438 \u0438 \u0442.\u043f. \u041a\u043e\u043d\u0435\u0447\u043d\u043e, \u043c\u0435\u0442\u0440\u0438\u043a\u0430 &#171;\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432&#187; \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u0430\u044f, \u043d\u043e \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0438\u043c\u0435\u043d\u043d\u043e \u0432 \u0442\u0430\u043a\u043e\u043c \u043a\u043b\u044e\u0447\u0435.<\/p>\n<p>\u0414\u043b\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043d\u0430\u043c \u043d\u0430\u0434\u043e \u043d\u0430\u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0442\u044c \u0434\u0432\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0438 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u043f\u043e\u0445\u043e\u0436\u0435\u0441\u0442\u0438.<\/p>\n<pre><code class=\"python\"># \u0434\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u0434\u0432\u0435 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 string_1 = '\u0440\u0430\u0431\u043e\u0442\u0430 28' string_2 = '\u0440\u043e\u0431\u043e\u0442 \u041f\u0435\u0442\u044f_(28)'  fuzzy_match_function(string_1, string_2)  # -&gt; 0.583 - \u044d\u0442\u043e \u0441\u0442\u0435\u043f\u0435\u043d\u044c \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 # \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0443 \u043f\u043e\u0445\u043e\u0436\u0435\u0441\u0442\u0438, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043e\u0442 0 \u0434\u043e 1<\/code><\/pre>\n<p>\u0415\u0441\u0442\u044c \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043d\u044b\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 \u043a \u044d\u0442\u043e\u043c\u0443. \u041d\u043e \u0443 \u0432\u0441\u0435\u0445 \u0435\u0441\u0442\u044c \u043c\u0438\u043d\u0443\u0441\u044b, \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u0447\u044c \u0438\u0434\u0451\u0442 \u043e \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0441\u043f\u0438\u0441\u043a\u0430\u0445, \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u0441\u0442\u0440\u043e\u043a.<\/p>\n<ul>\n<li>\n<p>\u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u041b\u0435\u0432\u0435\u043d\u0448\u0442\u0435\u0439\u043d\u0430 &#8212; \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0439;<\/p>\n<\/li>\n<li>\n<p>N-gram, \u043e\u0431\u044b\u0447\u043d\u043e 2-3 gram &#8212; \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0439;<\/p>\n<\/li>\n<li>\n<p>\u0444\u043e\u043d\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b, \u0442\u0438\u043f\u0430 Soundex  &#8212; \u0440\u0435\u0448\u0430\u044e\u0442 \u0434\u0440\u0443\u0433\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443, \u0441\u0445\u043e\u0434\u043d\u043e\u0441\u0442\u044c \u0437\u0432\u0443\u0447\u0430\u043d\u0438\u044f;<\/p>\n<\/li>\n<li>\n<p>\u043f\u043e\u043b\u043d\u043e\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043f\u043e\u0438\u0441\u043a, \u0442\u0438\u043f\u0430 Meilisearch &#8212; \u043e\u0431\u044b\u0447\u043d\u043e \u0440\u0435\u0448\u0430\u0435\u0442 \u0434\u0440\u0443\u0433\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443, \u043f\u043e\u0438\u0441\u043a \u043f\u043e\u0434\u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0431\u043e\u043b\u044c\u0448\u043e\u043c \u0442\u0435\u043a\u0441\u0442\u0435, \u0447\u0430\u0441\u0442\u043e \u043e\u043d\u043b\u0430\u0439\u043d \u043f\u043e\u0438\u0441\u043a (\u043d\u0430\u0431\u0438\u0440\u0430\u0435\u043c \u043d\u0430 \u043a\u043b\u0430\u0432\u0438\u0430\u0442\u0443\u0440\u0435 &#8212; \u0441\u0440\u0430\u0437\u0443 \u0432\u0438\u0434\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442). \u0414\u043b\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u043d\u0435 \u043f\u043e\u0445\u043e\u0434\u0438\u0442.<\/p>\n<\/li>\n<\/ul>\n<p>\u041d\u0430\u0438\u0432\u043d\u0430\u044f \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">import Levenshtein import pandas as pd  list1 = [\"apple\", \"banana\", \"appl\", \"date\", \"elderberry\", \"eilderbery\"]  rows = [] for a in list1:     for b in list1:         score = Levenshtein.distance(a, b)  # \u0442\u0443\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0421, \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0431\u044b\u0441\u0442\u0440\u043e         rows.append({\"s1\": a, \"s2\": b, \"score\": score}) # \u0430\u0441\u0438\u043c\u043f\u0442\u043e\u0442\u0438\u043a\u0430 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u0430\u044f # \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u0439, \u0434\u0430\u0436\u0435 \u043d\u0430 \u0421 - \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d\u043d\u043e\u0435 \u0432\u0440\u0435\u043c\u044f # \u0435\u0441\u043b\u0438 \u0432 \u0441\u043f\u0438\u0441\u043a\u0435 \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432, \u044d\u0442\u043e \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0434\u043e\u043b\u0433\u043e<\/code><\/pre>\n<p>\u041f\u0435\u0440\u0432\u044b\u0439 \u0440\u0430\u0437 \u043f\u043e\u0434\u043e\u0431\u043d\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u044f \u0440\u0435\u0448\u0430\u043b \u0435\u0449\u0451 \u043d\u0430 MS Excel (vba). \u041c\u0430\u043a\u0440\u043e\u0441 \u0431\u0440\u0430\u043b <a href=\"https:\/\/perfect-excel.ru\/publ\/excel\/makrosy_i_programmy_vba\/nechjotkij_poisk\/7-1-0-73\" rel=\"noopener noreferrer nofollow\">\u0442\u0443\u0442<\/a>. \u0422\u0430\u043c \u0436\u0435 \u043d\u0430\u0448\u0451\u043b  \u043f\u0435\u0440\u0432\u0443\u044e \u043c\u0438\u043d\u0438-\u0441\u0442\u0430\u0442\u044c\u044e, \u0441 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u0434\u043e\u043b\u0433\u043e\u0435 \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041f\u043e \u0438\u0442\u043e\u0433\u0430\u043c \u043c\u043d\u043e\u0433\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0438 \u043e\u0448\u0438\u0431\u043e\u043a, \u0441\u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043b\u0441\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u043f\u043e\u0434\u0445\u043e\u0434. \u041d\u0438\u0436\u0435 \u043c\u044b \u0440\u0430\u0437\u0431\u0435\u0440\u0435\u043c \u0435\u0433\u043e \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0448\u0430\u0433\u0438. \u041f\u0440\u0435\u0434\u043f\u043e\u043b\u043e\u0436\u0438\u043c, \u0447\u0442\u043e \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0441\u043f\u0438\u0441\u043e\u043a.<\/p>\n<h2>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0441\u0442\u0440\u043e\u043a<\/h2>\n<p>\u0418\u0441\u0445\u043e\u0434\u0438\u043c \u0438\u0437 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043d\u0430\u0431\u043e\u0440 \u0441\u0442\u0440\u043e\u043a \u043d\u0435 \u0438\u043c\u0435\u0435\u0442 \u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432. \u041d\u0430\u0434\u043e \u043f\u043e\u043c\u043e\u0447\u044c \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b.<\/p>\n<p>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u0443\u0434\u0430\u043b\u044f\u0435\u0442 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0447\u0430\u0441\u0442\u044b\u0435 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0440\u0430\u0437\u043d\u0438\u0446\u044b \u0438 \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u043e\u0441\u043d\u043e\u0432\u0443. \u041d\u0430\u0433\u043b\u044f\u0434\u043d\u043e \u043d\u0438\u0436\u0435 \u0432 \u043a\u043e\u0434\u0435.<\/p>\n<pre><code class=\"python\">import re  # \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0438\u043c \u0432 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0431\u0443\u043a\u0432\u044b # \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0443\u0441\u0441\u043a\u0438\u0435 \u0438 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u0438\u0435 \u0431\u0443\u043a\u0432\u044b - \u043e\u0431\u044b\u0447\u043d\u043e \u044d\u0442\u043e\u0433\u043e \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e # \u0438\u043d\u043e\u0433\u0434\u0430 \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u044e\u0442 \u0446\u0438\u0444\u0440\u044b, \u044d\u0442\u043e \u0443\u0436\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0437\u0430\u0434\u0430\u0447\u0438 def clean_string(text):     text = text.lower()     text = re.sub(r'[^\u0430-\u044f\u0451a-z0-9]', ' ', text)  # \u0442\u0443\u0442 \u0446\u0438\u0444\u0440\u044b \u0443\u0434\u0430\u043b\u044f\u044e\u0442\u0441\u044f     text = re.sub(r'\\s+', ' ', text)     return text.strip()<\/code><\/pre>\n<pre><code class=\"python\">string_1 = '\u0440\u0430\u0431\u043e\u0442\u0430 28'  #  -&gt; '\u0440\u0430\u0431\u043e\u0442\u0430 28' string_2 = '\u0440\u043e\u0431\u043e\u0442    \u041f\u0435\u0442\u044f_(28)'  # -&gt; '\u0440\u043e\u0431\u043e\u0442 \u043f\u0435\u0442\u044f 28'  fuzzy_match_function(string_1, string_2)  # -&gt; 0.583 \u0431\u0435\u0437 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438  string_1 = clean_string(string_1) string_2 = clean_string(string_2) fuzzy_match_function(string_1, string_2)  # -&gt; 0.636 \u0441 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u043e\u0439. \u041b\u0443\u0447\u0448\u0435!<\/code><\/pre>\n<p>\u041f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u043c\u0435\u0435\u0442 \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0439 \u044d\u0444\u0444\u0435\u043a\u0442 &#8212; \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430. \u0427\u0430\u0441\u0442\u043e \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 utf-8 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0432 \u0442\u0435\u043a\u0441\u0442\u0435 \u0441\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 100-200 \u0448\u0442\u0443\u043a. &#8212; <code>len(set('\u0442\u0443\u0442 \u043c\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430'))<\/code> \u041f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 2-gram \u044d\u0442\u043e \u0434\u0430\u0435\u0442 \u0442\u0435\u043e\u0440\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c 200 ** 200 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0431\u0438\u0433\u0440\u0430\u043c\u043c (\u043a\u0432\u0430\u0434\u0440\u0430\u0442 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430). \u041c\u043d\u043e\u0433\u043e. \u0410 \u0435\u0441\u043b\u0438 \u043c\u044b \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u043c \u0442\u043e\u043b\u044c\u043a\u043e 33 \u0440\u0443\u0441. + 26 \u0430\u043d\u0433\u043b. +  \u043e\u0434\u0438\u043d \u043f\u0440\u043e\u0431\u0435\u043b, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c 60*60. \u042d\u0442\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0435\u0442 \u043d\u0430\u043c \u0436\u0438\u0437\u043d\u044c \u043d\u0430 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445.<\/p>\n<p>\u0418\u043d\u043e\u0433\u0434\u0430 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0435\u0449\u0435 \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442:<\/p>\n<ul>\n<li>\n<p>\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u043e\u043f-\u0441\u043b\u043e\u0432 (nltk stop words);<\/p>\n<\/li>\n<li>\n<p>\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u043b\u0430\u0442\u0438\u043d\u0438\u0446\u044b (\u0441\u0438\u043b\u044c\u043d\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u043c \u0440\u0430\u0437\u043c\u0435\u0440 \u0430\u043b\u0444\u0430\u0432\u0438\u0442\u0430);<\/p>\n<\/li>\n<li>\n<p>\u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043b\u0430\u0442\u0438\u043d\u0438\u0446\u044b \u043d\u0430 \u043a\u0438\u0440\u0438\u043b\u043b\u0438\u0446\u0443 (\u0442\u0440\u0430\u043d\u0441\u043b\u0438\u0442\u0435\u0440\u0430\u0446\u0438\u044f);<\/p>\n<\/li>\n<li>\n<p>\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0441 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435\u043c &#171;\u043d\u0435\u0432\u0430\u0436\u043d\u044b\u0445&#187; \u0431\u0443\u043a\u0432, \u043d\u043e \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u0443\u0434\u0430\u043b\u044f\u0435\u043c \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b \u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u0441\u0442\u0430\u0432\u0448\u0438\u0435 \u043f\u0443\u0441\u0442\u044b\u043c\u0438. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0443\u043c\u0435\u043d\u044c\u0448\u0438\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0431\u043e\u0442\u044b \u043d\u0430 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0445 \u0448\u0430\u0433\u0430\u0445. \u0421\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u043c\u0435\u043f\u043f\u0438\u043d\u0433 \u043d\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438.<\/p>\n<h2>\u0412\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f<\/h2>\n<p>\u042d\u0442\u043e \u043a\u043b\u044e\u0447\u0435\u0432\u043e\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0435 \u043e\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043f\u043e\u0434\u0445\u043e\u0434\u043e\u0432 (\u041b\u0435\u0432\u0435\u043d\u0448\u0442\u0435\u0439\u043d, n-gram). \u0412\u0441\u0435 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043f\u0435\u0440\u0435\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u0432 \u0432\u0435\u043a\u0442\u043e\u0440\u0430. \u041e\u0441\u043d\u043e\u0432\u043d\u044b\u0445 \u0441\u043f\u043e\u0441\u043e\u0431\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0440\u0438.<\/p>\n<pre><code class=\"python\">from sklearn.feature_extraction.text import (TfidfVectorizer,                                               HashingVectorizer,                                              CountVectorizer)<\/code><\/pre>\n<p>\u041e\u0431\u044b\u0447\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c TfidfVectorizer, \u0442.\u043a. \u043e\u043d \u043c\u0430\u043a\u0441\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u0435\u0442 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c\u044b\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 (\u0435\u0441\u0442\u044c IDF, \u043d\u0435\u0442 \u0445\u044d\u0448-\u043a\u043e\u043b\u043b\u0438\u0437\u0438\u0439).<\/p>\n<p>\u0422\u0440\u0438 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u0430 TfidfVectorizer \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432\u0430\u0436\u043d\u044b, \u043e\u0431\u044b\u0447\u043d\u043e \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0442\u0430\u043a:<\/p>\n<ul>\n<li>\n<p><em>analyzer = <\/em>&#8216;char_wb&#8217; &#8212; \u0431\u0443\u0434\u0443\u0442 \u0432\u044b\u0434\u0435\u043b\u044f\u0442\u044c\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e ngram \u0432 \u043f\u0440\u0435\u0434\u0435\u043b\u0430\u0445 \u0441\u043b\u043e\u0432\u0430 (wb = word boundary). \u0412\u0441\u0435\u0433\u0434\u0430 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u043c \u0442\u0430\u043a, \u0442.\u043a. \u0438\u0449\u0435\u043c \u0438\u043c\u0435\u043d\u043d\u043e \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u043e \u0431\u0443\u043a\u0432 \u0438 \u0431\u0443\u043a\u0432\u043e\u0441\u043e\u0447\u0435\u0442\u0430\u043d\u0438\u0439 \u0432 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u0430\u0445;<\/p>\n<\/li>\n<li>\n<p><em>ngram_range = <\/em>(2, 3) &#8212; ngram\/\u043f\u043e\u0434\u0441\u0442\u0440\u043e\u043a\u0438 \u0434\u043b\u0438\u043d\u043d\u043e\u0439 2 \u0438 3. \u041c\u043e\u0436\u043d\u043e \u043f\u043e\u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441 \u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 ngram, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440 (2, 5);<\/p>\n<\/li>\n<li>\n<p><em>norm <\/em>= &#8216;l2&#8217; &#8212; \u0432\u0441\u0435\u0433\u0434\u0430 \u0441\u0442\u0430\u0432\u0438\u043c \u0442\u0430\u043a. \u0427\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 (inner\/dot product) \u0434\u0430\u0432\u0430\u043b\u043e \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u0443\u044e \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u044c (cosine similarity) \u0438 \u0447\u0442\u043e\u0431\u044b \u0434\u043b\u0438\u043d\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0435 \u0438\u0433\u0440\u0430\u043b\u0430 \u0440\u043e\u043b\u044c (\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043f\u0440\u0438\u0432\u043e\u0434\u044f\u0442\u0441\u044f \u043a \u0435\u0434\u0438\u043d\u0438\u0447\u043d\u043e\u0439 \u0434\u043b\u0438\u043d\u0435).<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0438\u043c\u0435\u044e\u0442 \u0432\u0430\u0436\u043d\u043e\u0435 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u043e: \u0432\u0441\u0435 \u0447\u0438\u0441\u043b\u0430 \u0432 \u043d\u0438\u0445 &#8212; \u043d\u0435\u043e\u0442\u0440\u0438\u0446\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0435 (\u043b\u0435\u0436\u0430\u0442 \u0432 \u043f\u0435\u0440\u0432\u043e\u0439 \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u0438). \u042d\u0442\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0435 \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e TfidfVectorizer \u0441\u0447\u0438\u0442\u0430\u0435\u0442 \u0447\u0430\u0441\u0442\u043e\u0442\u043d\u043e\u0441\u0442\u044c ngram, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442\u0440\u0438\u0446\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0439.<\/p>\n<p>\u0417\u043d\u0430\u0447\u0438\u0442 \u0443\u0433\u043e\u043b \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442 0 \u0434\u043e 90 (\u03c0 \/ 2) \u0433\u0440\u0430\u0434\u0443\u0441\u043e\u0432. \u0412\u0441\u043f\u043e\u043c\u0438\u043d\u0430\u044f \u0433\u0440\u0430\u0444\u0438\u043a \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430, \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u043c, \u0447\u0442\u043e \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 \u0431\u0443\u0434\u0435\u0442 \u043b\u0435\u0436\u0430\u0442\u044c \u043d\u0430 \u043e\u0442\u0440\u0435\u0437\u043a\u0435 [0, 1].<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u043f\u043e X \u0443\u0433\u043e\u043b, \u043f\u043e Y \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u0430<\/figcaption><\/div>\n<\/figure>\n<p>\u042d\u0442\u0430\u043f \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0432\u0430\u0436\u043d\u044b\u0439, \u043d\u043e \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u044b\u0439. \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u044e\u0442 \u0440\u0435\u0434\u043a\u043e.<\/p>\n<h2>\u0421\u043d\u0438\u0436\u0435\u043d\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432<\/h2>\n<p>\u041e\u0431\u044b\u0447\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 TfidfVectorizer \u043e\u0447\u0435\u043d\u044c \u0431\u043e\u043b\u044c\u0448\u0430\u044f, \u0434\u0435\u0441\u044f\u0442\u043a\u0438\/\u0441\u043e\u0442\u043d\u0438 \u0442\u044b\u0441\u044f\u0447. \u0414\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 \u043d\u0438\u043c\u0438 \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u0442\u0440\u0443\u0434\u043d\u0435\u043d\u0430 (\u043c\u043d\u043e\u0433\u043e \u0432\u0435\u0441\u044f\u0442, \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0435, \u043f\u0440\u043e\u043a\u043b\u044f\u0442\u0438\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438).<\/p>\n<p>\u042d\u0442\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u0440\u0435\u0448\u0430\u0435\u0442\u0441\u044f \u0442\u0435\u043c, \u0447\u0442\u043e TfidfVectorizer \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0440\u0430\u0437\u0440\u044f\u0436\u0435\u043d\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443 CSR matrix \u043e\u0442 scipy (\u0445\u0440\u0430\u043d\u0438\u043c \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0435\u043d\u0443\u043b\u0435\u0432\u044b\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u043c\u0430\u0442\u0440\u0438\u0446\u044b). \u041d\u043e \u0442\u0430\u043a \u043c\u043e\u0436\u043d\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u044b\u0435 \u043c\u0430\u043d\u0438\u043f\u0443\u043b\u044f\u0446\u0438\u0438. \u0414\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u043e \u043f\u043e\u0438\u0441\u043a\u0443 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043c\u0430\u0441\u0441\u0438\u0432 \u043f\u043b\u043e\u0442\u043d\u044b\u043c, \u0442.\u0435. \u043f\u0435\u0440\u0435\u0432\u0435\u0441\u0442\u0438 \u0432 np.array.<\/p>\n<p>\u041a \u043f\u0440\u0438\u043c\u0435\u0440\u0443, \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 5 \u043c\u043b\u043d. \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c\u044e 200_000, \u0442\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0437\u0430\u0439\u043c\u0443\u0442 3.7 \u0442\u0435\u0440\u0430\u0431\u0430\u0439\u0442\u0430 (float32) \u043d\u0430 \u0434\u0438\u0441\u043a\u0435, \u0447\u0442\u043e \u043d\u0435\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e \u043c\u043d\u043e\u0433\u043e. \u0415\u0441\u043b\u0438 \u0442\u0430\u043a\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043d\u0430\u0447\u0430\u0442\u044c \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u0442\u044c (X @ X.T), \u0442\u043e \u0436\u0434\u0430\u0442\u044c \u043f\u0440\u0438\u0434\u0451\u0442\u0441\u044f \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0435\u0441\u044f\u0446\u0435\u0432. \u0414\u0430 \u0438 \u0445\u0440\u0430\u043d\u0438\u0442\u044c \u0438\u0445 \u043d\u0435\u0433\u0434\u0435.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0441\u0440\u0430\u0437\u0443 \u0441\u043d\u0438\u0436\u0430\u044e\u0442 \u0438\u0445 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c.<\/p>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435, \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432 \u0441\u043d\u0438\u0436\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u043c\u043d\u043e\u0433\u043e (MDS, t-SNE, UMAP, PCA, Truncated SVD). \u041d\u043e \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u044b \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c: SparseRandomProjection. \u0421\u0443\u0442\u044c \u0442\u0430\u043c \u043f\u0440\u043e\u0441\u0442\u0430\u044f, \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043d\u0443\u0436\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0438 \u043d\u0430\u0448\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043d\u0430 \u043d\u0435\u0451 \u0443\u043c\u043d\u043e\u0436\u0430\u044e\u0442\u0441\u044f. \u0420\u0430\u0437\u043c\u0435\u0440 \u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c.<\/p>\n<p>\u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0438\u0434\u0435\u0442 \u0447\u0430\u0441\u0442\u044f\u043c\u0438. \u041f\u0440\u043e\u0447\u0438\u0442\u0430\u043b\u0438 \u0441\u0442\u0440\u043e\u043a\u0438 -&gt; \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u043e\u0432\u0430\u043b\u0438 \u0432 CSR -&gt; \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c -&gt; \u0437\u0430\u043f\u0438\u0441\u0430\u043b\u0438 \u043d\u0430 \u0434\u0438\u0441\u043a \u043f\u043b\u043e\u0442\u043d\u044b\u0435 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430.<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u043a\u043e\u0433\u0434\u0430 \u0443\u0437\u043d\u0430\u043b \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 SparseRandomProjection)) \u043d\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043c \u0434\u0430\u0436\u0435 \u043b\u0435\u043c\u043c\u0430 \u0414\u0436\u043e\u043d\u0441\u043e\u043d\u0430\u2013\u041b\u0438\u043d\u0434\u0435\u043d\u0448\u0442\u0440\u0430\u0443\u0441\u0441\u0430 \u0435\u0441\u0442\u044c, \u0442.\u0435. \u0432\u0441\u0451 \u043f\u043e \u043d\u0430\u0443\u043a\u0435<\/figcaption><\/div>\n<\/figure>\n<p>\u041a\u043b\u044e\u0447\u0435\u0432\u043e\u0439 \u0438 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 SparseRandomProjection &#8212; \u044d\u0442\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c \u0446\u0435\u043b\u0435\u0432\u043e\u0433\u043e \u0432\u0435\u043a\u0442\u043e\u0440\u0430. \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c \u043d\u0430\u0434\u043e \u043e\u043f\u044b\u0442\u043d\u044b\u043c \u043f\u0443\u0442\u0435\u043c. \u0414\u043b\u044f \u0442\u0435\u0441\u0442\u043e\u0432 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0447\u0430\u0442\u044c \u0441 32, \u0434\u0430\u043b\u0435\u0435 \u043f\u043e\u0434\u043d\u0438\u043c\u0430\u0442\u044c, \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e. \u041e\u0431\u044b\u0447\u043d\u043e, \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u0442 512 \u0434\u043e 10_000.<\/p>\n<h2>\u041f\u043e\u0438\u0441\u043a \u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0445 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u043e\u0432<\/h2>\n<p>\u0418\u0442\u0430\u043a, \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043d\u0430\u0431\u043e\u0440 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432. \u041f\u0435\u0440\u0432\u043e\u0435 \u0436\u0435\u043b\u0430\u043d\u0438\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\"># full pairwise dot\u2010product matrix (\u0432 \u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u044d\u0442\u043e \u043a\u0430\u043a \u0440\u0430\u0437 \u043a\u043e\u0441\u0438\u043d\u0443\u0441\u043d\u0430\u044f \u0431\u043b\u0438\u0437\u043e\u0441\u0442\u044c) dot_product = X @ X.T  # \u043b\u0438\u0431\u043e \u0447\u0442\u043e-\u0442\u043e \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0447\u043d\u043e\u0435 from scipy.spatial.distance import pdist, squareform from torch import cdist  # \u043c\u043e\u0436\u043d\u043e \u0434\u0430\u0436\u0435 \u0441 GPU from scipy.spatial.distance import cdist from sparse_dot_topn import sparse_dot_topn<\/code><\/pre>\n<p>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 5-20 \u043c\u043b\u043d. \u0441\u0442\u0440\u043e\u043a, \u0442\u043e \u044d\u0442\u043e \u0432\u0441\u0451 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0434\u043e\u043b\u0433\u043e.<\/p>\n<p>\u0422\u0443\u0442 \u043f\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043a\u043b\u044e\u0447\u0435\u0432\u043e\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043d\u0430\u043c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u0441\u0451 \u0431\u044b\u0441\u0442\u0440\u043e \u0438 \u0441 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u043c\u043e\u0439 \u043f\u043e\u0442\u0435\u0440\u0435\u0439 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 &#8212; Faiss (python \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430). \u0414\u0435\u0442\u0430\u043b\u0438 \u0435\u0441\u0442\u044c \u0432 \u044d\u0442\u043e\u0439 <a href=\"https:\/\/habr.com\/ru\/companies\/okkamgroup\/articles\/509204\/\" rel=\"noopener noreferrer nofollow\">\u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0430 \u0445\u0430\u0431\u0440\u0435<\/a>.<\/p>\n<p>\u0421\u0430\u043c\u044b\u0439 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b\u0439 \u0438\u043d\u0434\u0435\u043a\u0441 \u0432 faiss &#8212; IndexIVFPQ, \u043e\u043d \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0434\u0432\u0435 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438:<\/p>\n<ul>\n<li>\n<p>\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0447\u0430\u0441\u0442\u0438, \u043a\u0430\u0436\u0434\u0430\u044f \u0447\u0430\u0441\u0442\u044c \u043a\u043e\u0434\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043e\u0434\u043d\u0438\u043c \u0431\u0430\u0439\u0442\u043e\u043c. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0443 \u043d\u0430\u0441 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u044c 10_000, \u0442\u0438\u043f \u0434\u0430\u043d\u043d\u044b\u0445 float32 (4 \u0431\u0430\u0439\u0442\u0430). \u0418\u0442\u043e\u0433\u043e, 40_000 \u0431\u0430\u0439\u0442. \u0410 \u0435\u0441\u043b\u0438 \u0440\u0430\u0437\u0440\u0435\u0436\u0435\u043c \u0432\u0435\u043a\u0442\u043e\u0440 \u043d\u0430 32 \u0447\u0430\u0441\u0442\u0438, \u0442\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u043c 32 \u0431\u0430\u0439\u0442\u0430. \u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043f\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0443 \u0438 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u043c\u0438. \u041a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u0442\u0441\u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e.<\/p>\n<\/li>\n<li>\n<p>\u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0443\u044e\u0442\u0441\u044f. \u041e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u0435\u043b\u0438 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430. \u041f\u043e\u0438\u0441\u043a \u0431\u0443\u0434\u0435\u0442 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e \u0441\u0430\u043c\u044b\u043c \u0431\u043b\u0438\u0437\u043a\u0438\u043c \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430\u043c \u043a \u0446\u0435\u043b\u0435\u0432\u043e\u043c\u0443 \u0432\u0435\u043a\u0442\u043e\u0440\u0443.<\/p>\n<\/li>\n<\/ul>\n<p>\u042d\u0442\u0438 \u0434\u0432\u0435 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0442 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0435 \u043e\u0431\u044a\u0435\u043c\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 CPU (\u0443 faiss \u0435\u0441\u0442\u044c GPU \u0432\u0435\u0440\u0441\u0438\u044f, \u043d\u043e \u0442\u0430\u043c \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0441 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u0435\u0439, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0447\u0435\u0440\u0435\u0437 conda-forge \u044d\u0442\u043e \u0438 \u0437\u0430\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442).<\/p>\n<p>\u041e\u0431\u0449\u0430\u044f \u043b\u043e\u0433\u0438\u043a\u0430 \u044d\u0442\u043e\u0433\u043e \u0448\u0430\u0433\u0430 &#8212; \u0438\u0441\u043a\u0430\u0442\u044c \u0432\u0441\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0441\u0430\u043c\u043e\u043c \u044d\u0442\u043e\u043c \u0436\u0435 \u0441\u043f\u0438\u0441\u043a\u0435:<\/p>\n<pre><code class=\"python\">import faiss  d = 128 nlist = 100 m = 8 nbits = 8 train_n = 10000 k = 5  # \u0432\u044b\u0431\u043e\u0440 top N \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0445\u043e\u0442\u0438\u043c \u043d\u0430\u0439\u0442\u0438  idx = faiss.IndexIVFPQ(faiss.IndexFlatL2(d), d, nlist, m, nbits) idx.train(B[:train_n])  # \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0436\u043d\u043e \u0431\u0430\u0442\u0447\u0430\u043c\u0438 \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0432\u044b\u0431\u043e\u0440\u043a\u0435 idx.add(B)  # \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043d\u0430\u0434\u043e \u0432\u0441\u0435 \u0432\u0435\u043a\u0442\u043e\u0440\u0430, \u043a\u043e\u043d\u0435\u0447\u043d\u043e D, I = idx.search(A, k) # \u043f\u043e\u0438\u0441\u043a \u043c\u043e\u0436\u043d\u043e \u0431\u0430\u0442\u0447\u0430\u043c\u0438 \u0434\u0435\u043b\u0430\u0442\u044c<\/code><\/pre>\n<p>\u0414\u0430\u043d\u043d\u044b\u0439 \u043f\u043e\u0438\u0441\u043a \u0434\u0430\u0451\u0442 \u0442\u043e\u043b\u044c\u043a\u043e k-NN, \u0442.\u0435. k \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0445 \u0441\u043e\u0441\u0435\u0434\u0435\u0439 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0438 \u0432 \u0441\u043f\u0438\u0441\u043a\u0435.<\/p>\n<p>\u041f\u0440\u0438 \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 \u043d\u0430\u0434\u043e \u043f\u043e\u043c\u043d\u0438\u0442\u044c:<\/p>\n<ul>\n<li>\n<p>\u043c\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u043c \u0441\u043f\u0438\u0441\u043e\u043a \u0441 \u0441\u0430\u043c\u0438\u043c \u0441\u043e\u0431\u043e\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u0430\u043c\u044b\u0439 \u043f\u043e\u0445\u043e\u0436\u0438\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 &#8212; \u0432\u0441\u0435\u0433\u0434\u0430 \u0431\u0443\u0434\u0435\u0442 \u0441\u0430\u043c \u044d\u0442\u043e\u0442 \u044d\u043b\u0435\u043c\u0435\u043d\u0442;<\/p>\n<\/li>\n<li>\n<p>\u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c \u0443 \u043d\u0430\u0441 100 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432 \u0438 \u043c\u044b \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u043f\u043e\u0438\u0441\u043a top3 (100*3=300). \u0418\u0437 \u043d\u0438\u0445 100 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u0441\u0440\u0430\u0437\u0443 \u043c\u043e\u0436\u043d\u043e \u0443\u0431\u0440\u0430\u0442\u044c, \u0442.\u043a. \u044d\u0442\u043e \u0433\u0440\u0430\u0444\u043e\u0432\u044b\u0435 &#171;\u043f\u0435\u0442\u043b\u0438&#187;, \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u043f\u043e\u0445\u043e\u0436 \u0441\u0430\u043c \u043d\u0430 \u0441\u0435\u0431\u044f. \u0412 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u043e\u043c \u0443\u043d\u0438\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u0440\u0435\u0431\u0435\u0440 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043e\u0442 200 \u0434\u043e 100. \u042d\u0442\u043e \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043f\u043e\u043f\u0430\u043b\u043e \u043b\u0438 \u0440\u0435\u0431\u0440\u043e \u0432 top3 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0438\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043e\u0434\u0438\u043d.<\/p>\n<\/li>\n<\/ul>\n<p>\u041d\u0430 \u044d\u0442\u043e\u043c \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0437\u0430\u0442\u0440\u0430\u0442\u043d\u044b\u0439 \u044d\u0442\u0430\u043f \u0437\u0430\u0432\u0435\u0440\u0448\u0435\u043d.<\/p>\n<h2>\u0413\u0440\u0430\u0444\u043e\u0432\u0430\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430<\/h2>\n<p>\u041b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0432 \u0432\u0438\u0434\u0435 \u0433\u0440\u0430\u0444\u0430: \u043a\u0430\u0436\u0434\u044b\u0439 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 &#8212; \u0432\u0435\u0440\u0448\u0438\u043d\u0430 \u0433\u0440\u0430\u0444\u0430, \u0440\u0435\u0431\u0440\u0430 &#8212; \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u0430 \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438.<\/p>\n<p>\u041c\u043e\u0436\u043d\u043e \u0432\u0437\u044f\u0442\u044c \u0432\u0441\u0435 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u044b \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u0438 \u0433\u0440\u0430\u0444\u0430 \u0438 \u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u0447\u0442\u043e \u044d\u0442\u043e \u0438 \u0435\u0441\u0442\u044c \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430 \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 (\u043d\u0435\u0442\u043e\u0447\u043d\u044b\u0435 \u0434\u0443\u0431\u043b\u0438\u043a\u0430\u0442\u044b). \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0432 \u0442\u043e\u043c, &#171;\u043c\u0443\u0445\u0430&#187; \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 &#171;\u0441\u043b\u043e\u043d\u0430&#187; \u0447\u0435\u0440\u0435\u0437 10 \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u0441\u0442\u0440\u043e\u043a.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0431\u044b\u0447\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442\u0441\u044f \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043f\u043e\u0438\u0441\u043a\u0430 \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432 \u043d\u0430 \u0432\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u043e\u043c \u0433\u0440\u0430\u0444\u0435 (Louvain Community Detection Algorithm,<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-465756","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/465756","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=465756"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/465756\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=465756"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=465756"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=465756"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}