File Coverage

blib/lib/Digest/bBitMinHash.pm
Criterion Covered Total %
statement 15 102 14.7
branch 0 22 0.0
condition 0 18 0.0
subroutine 5 14 35.7
pod 0 9 0.0
total 20 165 12.1


line stmt bran cond sub pod time code
1             package Digest::bBitMinHash;
2              
3 1     1   862 use 5.008005;
  1         4  
  1         33  
4 1     1   5 use strict;
  1         3  
  1         29  
5 1     1   13 use warnings;
  1         2  
  1         29  
6              
7 1     1   775 use Digest::MurmurHash3;
  1         4326  
  1         54  
8 1     1   726 use Math::Random::MT;
  1         1095  
  1         5  
9              
10             our $VERSION = "0.0.0_02";
11              
12             sub new {
13 0     0 0   my ($class, $b, $k, $random_seed, $hash_seeds) = @_;
14 0 0 0       if ((defined $b) && (ref $b eq "HASH")) {
15 0 0         $k = $b->{k} if (exists $b->{k});
16 0 0         $random_seed = $b->{random_seed} if (exists $b->{random_seed});
17 0 0         $hash_seeds = $b->{hash_seeds} if (exists $b->{hash_seeds});
18 0 0         $b = $b->{b} if (exists $b->{b});
19             }
20 0 0 0       $b = 1 unless ((defined $b) && (ref $b ne "HASH") && ($b > 0));
      0        
21 0 0 0       $k = 128 unless ((defined $k) && ($k > 0));
22 0           $random_seed = 4294967296;
23 0 0 0       unless ((defined $hash_seeds) && (ref $hash_seeds eq "ARRAY") && (($#$hash_seeds + 1) >= $k)) {
      0        
24 0           $hash_seeds = Digest::bBitMinHash->get_hash_seeds($k, $random_seed);
25             }
26 0           my %hash = (
27             'b' => $b,
28             'k' => $k,
29             'random_seed' => $random_seed,
30             'hash_seeds' => $hash_seeds,
31             );
32 0           bless \%hash, $class;
33             }
34              
35             sub get_hash_seeds {
36 0     0 0   my ($self, $k, $random_seed) = @_;
37 0           my @seed_arr = ();
38 0           my $mt_seed = 13714; # mean less
39 0           my $mt = Math::Random::MT->new($mt_seed);
40 0           for (my $i = 0; $i < $k; $i++) {
41 0           my $rand = $mt->rand($random_seed);
42 0           push @seed_arr, $rand;
43             }
44 0           return \@seed_arr;
45             }
46              
47             sub get {
48 0     0 0   my ($self, $data_arr_ref) = @_;
49 0           return $self->get_bit_vectors($data_arr_ref);
50             }
51              
52             sub get_bit_vectors {
53 0     0 0   my ($self, $data_arr_ref) = @_;
54 0           my @bit_vectors = ();
55 0           for (my $h = 0; $h < $self->{b}; $h++) {
56 0           my $tmp_val = 0;
57 0           push @bit_vectors, $tmp_val;
58             }
59 0           for (my $i = 0; $i < $self->{k}; $i++) {
60 0           my $min_hash_val;
61 0           my $seed = $self->{hash_seeds}->[$i];
62 0           for (my $j = 0; $j <= $#$data_arr_ref; $j++) {
63 0           my $data = $data_arr_ref->[$j];
64 0           my $varies = Digest::MurmurHash3::murmur32($data, $seed);
65 0 0         if (defined $min_hash_val) {
66 0 0         $min_hash_val = $varies if ($min_hash_val > $varies);
67             } else {
68 0           $min_hash_val = $varies;
69             }
70             }
71 0           for (my $l = 0; $l < $self->{b}; $l++) {
72 0           my $bit = vec($min_hash_val, $l, 1);
73 0           $bit_vectors[$l] = $bit_vectors[$l] << 1;
74 0           $bit_vectors[$l] = $bit_vectors[$l] | $bit;
75             }
76             }
77 0           return \@bit_vectors;
78             }
79              
80             sub compare {
81 0     0 0   my ($self, $vectors_1, $vectors_2) = @_;
82 0           return $self->compare_bit_vectors($vectors_1, $vectors_2);
83             }
84              
85             sub compare_bit_vectors {
86 0     0 0   my ($self, $set_1, $set_2) = @_;
87 0           my $match = 0;
88 0           for (my $i = 0; $i < $self->{k}; $i++) {
89 0           my $bit_val = 1;
90 0           for (my $j = 0; $j < $self->{b}; $j++) {
91 0           $bit_val = $bit_val * ((vec($set_1->[$j], $i, 1) eq vec($set_2->[$j], $i, 1)));
92             }
93 0           $match = $match + $bit_val;
94             }
95 0           return $match;
96             }
97              
98             sub get_uniq_element_num {
99 0     0 0   my ($self, $data1, $data2) = @_;
100 0           my %hash = ();
101 0           my $num = 0;
102 0           my @data = (@{$data1}, @{$data2});
  0            
  0            
103 0           foreach my $e (@data) {
104 0 0         unless (exists $hash{$e}) {
105 0           $hash{$e} = 1;
106 0           $num++;
107             }
108             }
109 0           return $num;
110             }
111              
112             sub estimate_resemblance {
113 0     0 0   my ($self, $data1, $data2, $hit_count) = @_;
114 0           my $score = 0.0;
115 0           my $f1 = $#{$data1} + 1;
  0            
116 0           my $f2 = $#{$data2} + 1;
  0            
117 0           my $D = $self->get_uniq_element_num($data1, $data2);
118 0           my $r1 = $f1 / $D;
119 0           my $r2 = $f2 / $D;
120 0           my $A1 = ($r1 * ((1 - $r1) ** (2 ** ($self->{b} - 1)))) / (1 - ((1 - $r1) ** (2 ** ($self->{b}))));
121 0           my $A2 = ($r2 * ((1 - $r2) ** (2 ** ($self->{b} - 1)))) / (1 - ((1 - $r2) ** (2 ** ($self->{b}))));
122 0           my $r = $r1 + $r2;
123 0           my $C1 = $A1 * ($r2 / $r) + $A2 * ($r1 / $r);
124 0           my $C2 = $A1 * ($r1 / $r) + $A2 * ($r2 / $r);
125 0           my $E = $hit_count / $self->{k};
126 0           my $R = ($E - $C1) / (1 - $C2);
127 0           $score = $R;
128 0           return $score;
129             }
130              
131             sub estimate {
132 0     0 0   my ($self, $data1, $data2) = @_;
133 0           my $bit_vectors1 = $self->get_bit_vectors($data1);
134 0           my $bit_vectors2 = $self->get_bit_vectors($data2);
135 0           my $match_bit_count = $self->compare_bit_vectors($bit_vectors1, $bit_vectors2);
136 0           my $score = $self->estimate_resemblance($bit_vectors1, $bit_vectors2, $match_bit_count);
137 0           return $score;
138             }
139              
140             __END__