混乱散列法使用LSH

Question

M矩阵是签名矩阵，其经由Minhashing产生的实际数据的，具有文档作为为行列和单词。所以一列代表一份文件。

现在它说每个条纹（b的数量，r的长度）都有其列的散列，以便列落入一个桶中。如果两列落入同一个桶中，对于> = 1条纹，则它们可能相似。

这意味着我应该创建b散列表并找到b独立散列函数？或者只有一个就足够了，每个条带都将其列发送到相同的存储桶集合（但是这不会取消条带）？

在这种情况下，字典是否足够用于散列表^*？

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

Answer 1

我想我想通了，发布了未来的读者。

我打算使用一个字典，因为幻灯片提到可以对每个条纹使用相同的散列函数（dictionaries do that）。

每个桶都是我们词典的关键。

在插入时，一个文件（即属于以条纹的柱）将由散列函数（其我们将创建）被传递，结果应该是一个键。这样我们的字典将被填充。