相似哈希函数（simhash）

Question

我有使用哈希函数的问题。我必须为文档中的每个单词指定一些编号（128位或64位）。所以，“相似性”的散列值必须与“相似”相近。这意味着，如果具有相似值=> 10022（说），则相似=> 10025。这应该接近类似的词。不同名称的散列值也应该相似。这意味着，“john”的哈希值也应该与“michel”或“sita”等近似。如果任何机构有任何想法。

谢谢先进。 :)

Answer 1

它不是以这种方式工作，首先必须找到可用数据样本值的一般模型，然后将其用于流日志消息。

Answer 2

有一个名为OpenNLP的库，所以通过使用这个库你可以知道它是什么类型的单词。那么正如你所说，对于像名称这样的相似单词，可以使用写入散列函数，其中名称或动词可以得到相似的散列值。 谢谢。