现在，有许多有序的数字向量（大约50维）。每个维度是0到200之间的整数。 我想对它们进行排序以确保相同桶中的相似向量，相邻桶中的所有向量在一定程度上也具有相似性。 例如＆LT; 1,24,25,78,9＆GT;和＆lt; 2,24,24,78,9＆gt;应该在同一个桶中（桶号是010），但是＆lt; 3,29,26,74,11＆gt;和＆lt; 4,28,29,75,10＆gt; （它们也在同一个桶中）位于相邻的桶中（桶号为011）
如何设计这样的排序功能？
答案 0 :(得分：2)
你想要一个Morton code。它交织每个维度的位以帮助将类似的值保持在一起。它通常用于2和3D，但它适用于任何维度。
将每个D值表示为B位的二进制字，然后对这些位进行交织以形成新的D * B位长数。那是你的查询表号。如果你想要一个较小的数字，丢弃较低的位以获得更少的垃圾箱。
更好（但计算起来更烦人）函数是multidimensional Hilbert curve mapping.这在实践中非常难以使用，但它确实具有您可以获得的最佳索引位置。
答案 1 :(得分：1)
听起来你正试图按地点对你的向量进行排序。
也许你真正想要的是QuadTree的概括。如果长度为R的每个向量被认为是R空间中的坐标（R == 2 - > 2d平面空间，r == 3 - > 3d空间等），则可以将该R立方体分成两半每个维度，得到2个 R 内部R-hyper立方体。每当一个立方体包含多于1个不相等的坐标时，继续此过程。然后，您可以遍历此R超立方体树以有效地定位相邻矢量。
答案 2 :(得分：0)
你所描述的并不像通常意义上的“好”散列函数。
您能否更具体地了解如何从这些特定序列到那些桶号（010,011）？你的哈希函数基本上就是同一个过程。
答案 3 :(得分：0)
你想要的几乎与哈希完全相反：对于哈希，你希望避免具有相似的值最终在同一个桶中。
好像你正在寻找spatial index; R-Trees听起来最有希望。
答案 4 :(得分：0)
听起来像点聚类。这是一个非常活跃的领域。尝试谷歌搜索“矢量量化”，k-means聚类，树状图，...
答案 5 :(得分：0)
也许这个例子并不好。我希望的相似性是两个矢量之间的角度的余弦很小。实际上，我想将文本转换为向量，其中每个维度对应于文本中的概念。我想所有文本都有相同数量的概念，因此它们的向量维度是相同的。 - 煮熟
我认为你的意思是余弦接近1，所以它们都接近同一个方向。余弦接近零意味着角度大约是正交的。
顺便说一句，如果你这样做，那就意味着，（1,2,3,4,5）和（10,20,30,40,49）应该非常接近（尽管实际数字相距甚远）。因此，您希望在使用任何空间索引方法之前规范化矢量。