这个哈希函数的效率如何？答案

【问题标题】：How efficient is this hash function?这个哈希函数的效率如何？
【发布时间】：2014-03-16 18:49:53
【问题描述】：

我不确定将“字典”散列到表中的最佳方法。

词典有61406个单词，我通过SizeOFDictionary/.75判断超载

这给了我 81874 个桶。

我通过我的哈希函数（通用随机算法）运行它，并且有 31690 个桶被用完。还有 50 几千个是空的。最大的桶只包含 10 个单词。

我的问题：这些数字足以满足哈希项目的需求吗？我不熟悉我想要实现的目标，对我来说，似乎 50 几千是很多空桶。

这是我的哈希函数。

private void hashingAlgorithm(String word)
{
    int key = 1;
    //Multiplying ASCII values of string
    //To determine the index
    for(int i = 0 ; i < word.length(); i++){
        key *= (int)word.charAt(i);
        //Accounting for integer overflow
        if(key<0)
            key*=-1;
    }
    key %= sizeOfTable;
    //Inserting into the table
    table[key].addToBucket(word);       
}

【问题讨论】：

String.hashCode() 有什么问题？
我应该创建自己的哈希算法。这是一个班级项目。
好的，这是一个哈希算法。但这对我来说不是很好。至少将字符值与您选择的整数相乘，而不是乘以键，在每一步将它们添加到键和模中。
@Fallen，我会这样做的，你能告诉我选择我选择的整数的目的是什么吗？
2 * 3 == 3 * 2 但是 (2*10+3) != (3*10+2) 。 . .

标签： java algorithm hash

【解决方案1】：

性能分析：

您的散列函数没有考虑顺序。根据你的算法，如果没有溢出， ab = ba。您的代码依赖于溢出来区分不同的顺序。因此，如果您将句子视为基于 N 的数字，则可以消除很多额外的冲突。

建议改进：

2 * 3 == 3 * 2 但 2 * 223 + 3 != 3 * 223 + 2

因此，如果我们将字符串表示为基于 N 的数字，那么冲突的数量将会大幅减少。

【讨论】：

【解决方案2】：

如果字典中包含类似的词：

abdc  
abcd  
dbca  
dabc  
dacb

所有将在哈希表中被哈希到相同的值，即 int(a)*int(b)*int(c)*int(d) ，这不是一个好主意。
所以，使用滚动哈希。

示例：
hash = [0]*base^(n-1) + [1]*base^(n-2) + ... + [n-1]
其中基数是prime number，比如31。

注意：[i] 表示char.at(i)。

您也可以使用modulo p [显然 p 是一个素数] 运算符来避免 overflow 并限制您的 size 的哈希表。

hash = [0]*base^(n-1) + [1]*base^(n-2) + ... + [n-1] mod p

【讨论】：

key *= (int)word.charAt(i)*BASE^(word.length()-(i-1));我试过了，现在我抛出了一个异常，指出该数组超出范围 -10502
你需要这样做：(a + b + c)%mod = a%mod + b%mod + c%mod 并且因为a*b 可以超出整数范围。 (a*b)%mod = (a%mod * b%mod ) %mod 。我以为你对它很熟悉，所以没有将它包含在答案中。对于a*b，也可以使用long long。
单词的最大长度是多少？
没有最大单词长度
仍然是一个疯狂的猜测，因为您需要计算 31^max。长度