局部敏感哈希实现？ [关闭]答案

【问题标题】：Locality Sensitive Hash Implementation? [closed]局部敏感哈希实现？ [关闭]
【发布时间】：2011-08-11 19:32:28
【问题描述】：

在 C/C++/Java/C# 中有没有相对容易理解（并且易于实现）的局部敏感哈希示例？

我想了解更多关于这个概念的信息，所以想在几个文本文件上尝试一个实现，看看它是如何工作的，所以我不需要任何高性能或任何东西......只是一个例子一个散列函数，它为相似的输入返回相似的散列。之后我可以通过示例从中学到更多。 :)

【问题讨论】：

【解决方案1】：

对于字符串，您可以使用近似匹配算法。

如果字符串与参考字符串等距，那么它们很可能彼此相似。这样你就有了一个字符串的局部敏感哈希实现。

您可以为一系列距离创建不同的哈希桶。

编辑：您可以尝试其他的字符串距离变化。一个更简单的算法只会返回 no。两个字符串之间的公共字符。

【讨论】：

+1 这似乎是正是我正在寻找的，我会再看一下。非常感谢！ :)
@Hasan：我有点困惑......字符串"abcd" 和"xyzw" 与"6pGO" 这样的随机字符串的距离都为4，但它们完全不同。这是如何运作的？（对于长度为 4 的几乎 any 随机字符串，它是 4...）
@Mehrdad 这个算法告诉你需要多少更改才能将输入字符串转换为参考（随机）字符串。您也可以尝试一个更简单的算法，其中距离为否。随机字符串和您的输入字符串之间共有的字符数。
@Hasan：是的，我理解算法的作用，但问题是它根本不能正常工作，就像我展示的那样。你碰巧知道任何更好的算法吗？（你刚才提到的那个好像不错，我会考虑的。）
这样的散列解决方案可以很好地处理类似的字符串，但对于不相关的字符串，它会给你带来无用的结果，但如果你在这种情况下查看它，你无论如何都没有类似的字符串，所以任何算法都不会'不工作。在第一种情况下，所有不相关的都属于哈希码 4，因为您可以维护另一个哈希列表以进一步分解它。

【解决方案2】：

还有至少一个 C++ 库，您可以在这里查看源代码：http://sourceforge.net/projects/lshkit/

【讨论】：

【解决方案3】：

Hadoop 上还有一个 Java 实现。它在文档方面做得很好。

目前 Likelike 仅支持 Min-Wise 独立排列。 Min-Wise 独立排列是适用于推荐谷歌新闻

【讨论】：

【解决方案4】：

我知道您明确要求使用 C/C++/C#，但 a Python port 中的 nilsimsa hash 可能比其他更大的库更容易理解。

【讨论】：