相似哈希函數（simhash）

Question

我有使用哈希函數的問題。我必須爲文檔中的每個單詞指定一些編號（128位或64位）。所以，「相似性」的散列值必須與「相似」相近。這意味着，如果具有相似值=> 10022（說），則相似=> 10025。這應該接近類似的詞。不同名稱的散列值也應該相似。這意味着，「john」的哈希值也應該與「michel」或「sita」等近似。如果任何機構有任何想法。

謝謝先進。 :)

Answer 1

它不是以這種方式工作，首先必須找到可用數據樣本值的一般模型，然後將其用於流日誌消息。

Answer 2

有一個名爲OpenNLP的庫，所以通過使用這個庫你可以知道它是什麼類型的單詞。那麼正如你所說，對於像名稱這樣的相似單詞，可以使用寫入散列函數，其中名稱或動詞可以得到相似的散列值。 謝謝。