为什么java字符串hashCode在不同但相似的geohash字符串上有很多冲突？答案

【问题标题】：Why java string hashCode has many collisions on different but similar geohash strings?为什么java字符串hashCode在不同但相似的geohash字符串上有很多冲突？
【发布时间】：2016-07-29 07:13:04
【问题描述】：

Geohash 字符串是我的稀疏逻辑回归模型中的一个特征。所以我使用 java string hashCode 在 geohash 字符串上生成 int 值以获得特征 ID。但我发现 hashCode 方法在类似的 geohash 字符串上表现不佳。这会导致不同的特征具有相同的特征 id，即使特征相似，这也可能对模型优化不利。例如，那些相似的 geohash 字符串对具有相同的 hashCode。

<"wws8vw", "wws8x9">
    "wws8vw".hashCode() = -774715770
    "wws8x9".hashCode() = -774715770
<"wmxy0", "wmxwn">
    "wmxy0".hashCode() = 113265337
    "wmxwn".hashCode() = 113265337

我猜geohash生成器方法和java hashCode方法之间有一些关系。那么，任何人都可以向我解释真正的原因以及如何减少 geohash 字符串上的冲突？

【问题讨论】：

为什么？因为这就是String.hashCode 的实现方式，而且它通常适用于字符串。现在另一个为什么的问题：你为什么在乎？遇到了什么问题？
这些是什么物品？如果取为Strings，则hashCodes不同。
@DaDaDom 我认为 OP 的意思是"wws8vw".hashCode() == "wws8x9".hashCode() 等。见this。
哦，好的。我认为这对本身是匹配的。好吧，我同意你的第一条评论：看起来@formath 正在尝试解决错误的问题。
@formatth 你能说一下为什么你关心这些冲突吗？

标签： java hashcode geohashing

【解决方案1】：

我认为您误解了Object.hashCode() method 的用途——一般不是散列，而是Java 对象具有这种方法的原因：

支持这种方法是为了方便哈希表，例如 HashMap 提供的那些。

因此，如果您尝试将此方法用作机器学习模型的输入，您并没有将其用于预期目的。

答案相当明显：您需要设计自己的散列方法 - 或选择一种预先存在的方法 - 为您的预期输入提供所需的冲突配置文件。 String.hashCode()使用的那个你不能改。

【讨论】：

另外：我会尝试理解您的 geohash 值所涵盖的字符串的“子空间”，例如只有长度为 5 的字符串，只有 a-z0-9 作为字符。然后你可以设计一个更好的映射到 int32。
@JFMeier 这就是我所说的“为您的预期输入”。但是是的。
@AndyTurner “您需要设计自己的哈希方法 - 或选择一个预先存在的方法”。你有什么建议吗？
@formath 我不知道（真的，我不只是迟钝）。你需要做一些研究。不过，就像一个想法一样，为什么要将 geohash 扩展到其编码的纬度/经度，并将它们散列在一起：double lat = ...; double lng = ...; int hash = Objects.hash(lat, lng);.