English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

This paper describes the most important aspects of the probabilistic data structures Bloom Filter, Count-Min Sketch, MinHash, and HyperLogLog, that allow, through the use of hash functions, to estimate some properties of sets and multisets without needing to keep them in memory. All data structures described in this paper are constructed using easily parallelizable online algorithms, making them especially important in the big data scenario where an approximate answer is acceptable. Resumo. Este artigo descreve os aspectos mais importantes das estruturas de dados probabilı́sticas Filtro de Bloom, Count-Min Sketch, MinHash e HyperLogLog, que permitem, através do uso de funções de hash, estimar algumas propriedades sobre conjuntos e multiconjuntos sem a necessidade de mantê-los em memória. Todas as estruturas apresentadas neste artigo são construı́das através de algoritmos online facilmente paralelizáveis, o que as torna especialmente importantes no cenário de grandes volumes de dados onde uma resposta aproximada é aceitável.

Estruturas de Dados Probabilísticas para Representação de Conjuntos