LSH使用的哈希值混淆

Question

矩阵M是签名矩阵，它是通过对实际数据进行Minhashing处理而生成的，其文档为列，单词为行。因此，一列代表一个文档。

现在，它说每个条带（b在数量上，r在长度上）都有其列的散列，因此列落入了存储桶中。如果两列属于同一存储桶（对于> = 1条带），则它们可能相似。

因此，这意味着我应该创建b哈希表并找到b独立的哈希函数？还是只有一个就足够了，每个条带都将其列发送到相同的存储桶集合（但这不会取消条带）吗？

Answer 1

我想我已经弄明白了，发布给以后的读者。

我将使用一个字典，因为幻灯片提到可以对每个条带使用相同的哈希函数。

每个存储桶都是我们字典的关键。

插入时，文档（即，属于条带的列）将通过哈希函数（将由 我们 创建）传递，并且结果应为键。这样，我们的字典将被填充。