论文题目：An efficient method for finding related sets with maximum matching constraints
论文作者：Dong Deng Albert Kim
论文单位：MIT
概要：
分析集合间的相似性是一个重要的研究领域，主要用于数据清洗，数据挖掘，搜索引擎（如页面去重）等领域。
一般的方法是使用最大二分图匹配，分析两个集合间的相似度，这种方法鲁棒性高，但是时间复杂度高达O(n3)。
这篇文章开发出一个通用系统SILKMOTH，系统原理包括一种签名方法和两种过滤器（检查过滤器+最近邻过滤器），用来剪枝搜索空间，并对最大二分匹配进行了优化，有效提高了寻找相似集合的时间。
实现思路
SILKMOTH使用
该系统选用了两种衡量相似度的标准：set-similarity set-constraint
两种相似度函数：edit similarity 、 Jaccard similarity
两种寻找模式：discovery mode、search mode（以下分析以该种模式为例，即已知一个集合R，在集合容器S中寻找到与集合R相似的集合）
SILKMOTH框架
签名方法实现分析
对于已知集合R，构造该集合的签名K，通过K与集合容器S中的集合进行匹配，在S中找到与R相似的集合。如何构造有效的签名，是本文研究的重点。以下图为例：
相关参数：
两种签名方法：
1.非权重签名方法
实现步骤：
step1:假设R和S中某个集合有c个分词相同，就判定为相似；
step2:在R中移除c-1个分词，剩下分词构成一个签名K；
step3:如果K∩S=Ø，则将S中的这个集合移出，不作为候选集合。
缺点：在S中过滤掉的集合较少，效率不高。
2.基于权重的签名方法
ki与ri一一对应，|ki|/|ri|需满足一定比例. 更有效代表集合R，同时可以过滤掉更多集合。
剪枝步骤
第一步筛选:签名筛选。根据选定的签名K，如果S中的某集合中的分词与K的交集为空，则将该集合移出候选集；
第二步筛选:过滤器筛选。先通过check filter,再通过nearest neighbor filter筛选；
第三步筛选：最大二分匹配。通过优化的最大二分图匹配进行最后的匹配，得出最终结果。
方法评价
通用、效率更高