Pyspark -HashingTF治療「蛋罐」和「可以蛋」一樣嗎？

Question

某些代碼未按預期工作。它看起來比HashingTF函數對字符串完全相同的字符返回相同的散列值，而不管字的順序如何。有人可以確認嗎？

hashingTF = HashingTF(inputCol=mytokenizer.getOutputCol(), 
outputCol="features") 

Answer 1

是的。 HashingTF將輸入視爲一個「包的單詞」（與單詞順序無關）。如果「行李」相同，則會得到相同的散列。