LSH 使用的散列混淆

Question

Matrix M 是签名矩阵，它是通过对实际数据进行 Minhashing 生成的，将文档作为列，将单词作为行。所以一列代表一个文档。

现在它表示每个条带（数量为b，长度为r）对其列进行哈希处理，因此一列属于存储桶。如果两列落在同一个桶中，对于 >= 1 个条带，那么它们可能是相似的。

也就是说我应该创建b 哈希表并找到b 独立的哈希函数？或者只有一个就足够了，每个条带将其列发送到相同的桶集合（但这不会取消条带）？

在这种情况下，字典是否足以用于哈希表^*？

*_{Is a Python dictionary an example of a hash table?}

Answer 1

我想我想通了，为以后的读者发帖。

我将使用一本字典，因为幻灯片中提到可以对每个条带使用相同的哈希函数 (dictionaries do that)。

每个存储桶都将成为我们字典的键。

在插入时，文档（即属于条带的列）将由散列函数（我们将创建）传递，结果应该是一个键。这样我们的字典就会被填充。