我在实施 minhashing 时遇到问题。在纸上和阅读中我理解了这个概念，但我的问题是排列“技巧”。实现的建议不是排列集合和值的矩阵，而是：“选择 k（例如 100）个独立的哈希函数”，然后算法表示：
for each row r
for each column c
if c has 1 in row r
for each hash function h_i do
if h_i(r) is a smaller value than M (i, c) then
M(i, c) := h_i(r)
在不同的小例子和教学中book http://infolab.stanford.edu/~ullman/mmds/ch3.pdf他们只使用两个或三个散列函数，形式为 (h = a*x + b mod p)。那很容易找到，但是实际中怎么做，我怎样才能找到100个这样的独立函数。
在 Java 示例中here http://mymagnadata.wordpress.com/2011/01/04/minhash-java-implementation/仅从一个哈希函数而不是多个哈希函数生成哈希值，与行索引无关。差别在哪里？
我现在的问题是如何找到这些独立的哈希函数，或者是否有一种只有一个哈希函数的方法如何在算法中处理这些值？
一种简单的方法是使用参数哈希系列，例如制表哈希函数（http://en.wikipedia.org/wiki/Tabulation_hashing http://en.wikipedia.org/wiki/Tabulation_hashing)
在本书的示例 (a*x+b mod p) 中，通过选择不同的 (a, b, p) 集合，您可以拥有不同的哈希函数。拥有独立哈希函数的一种方法是选择 (a, b, p) 质数/互质数，并且最好选择大数
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
