我正在寻找可以获取字符串并将其转换为数字的算法，函数或技术。我希望算法或函数具有以下属性：
类似的字符串会产生类似的值（类似的可以定义为相似的含义或相似的组成）
能够处理可变长度的字符串
几年前我读了一篇文章，希望能够实现这一目标。不幸的是，我无法回想起文章的来源。
答案 0 :(得分：3)
组成相似很容易，我会让其他人解决这个问题。
类似的意思是更难，但很有趣:)，我记得读过一篇关于如何训练神经网络来构建一大堆英语单词的2D“语义意义图”的文章，其中两个之间的距离单词代表了它们在意义上的“相似”程度，只需在维基百科文章中进行训练即可。
你可以做同样的事情，但是把它做成一维的，它会给你一个连续的数字，相似的单词会相互靠近。
答案 1 :(得分：3)
非严肃答案：将所有内容映射为0
属性1：检查。财产2：检查。财产3：检查。
但我想你也想要不同的字符串来获得不同的值。那么问题是，什么是相似的，什么不是。
基本上，您正在寻找哈希函数。
有很多哈希函数设计有不同的目标。例如，Crypographic哈希计算的代价非常昂贵，因为你想要使它很难倒退，甚至预测输入的变化如何影响输出。因此，他们非常努力地违反您的条件2.还有更简单的散列函数，主要是尝试传播数据。他们大多试图确保之后的密切输入值彼此不相近（但如果它是可预测的则可以。）
您可能想阅读维基百科：
https://en.wikipedia.org/wiki/Hash_function#Finding_similar_substrings
（是的，它有一个关于“通过Hashing查找类似子串”的部分）
维基百科还有一个哈希函数列表：
https://en.wikipedia.org/wiki/List_of_hash_functions
有几个相关的东西给你。例如，可以使用 minhash 。这是一个针对您的minhash风格的方法：定义一些字母表中所有字母的随机列表。假设我的字母“abcde”仅用于此示例。我将只为此示例使用两个列表。然后我的名单是：
p1 = "abcde"
p2 = "edcba"
让f1(str)成为我的测试词中第一个字母p1的索引，f2(str) p2中的第一个字母。所以“bababa”这个词会映射到0,3。 “ababab”这个词也是。 “dada”这个词会产生0,1，而“ce”会映射到2,0。请注意，此映射对于单词排列是不变的（因为它将它们视为集合），对于长文本，它将收敛为“0,0”。然而，经过一些微调，它可以让你很快找到候选人进行仔细检查。
答案 2 :(得分：2)
模糊散列（上下文触发的分段散列）可能就是你要找的东西。
实施：ssdeep
算法说明：Identifying almost identical files using context triggered piecewise hashing
答案 3 :(得分：2)
我认为你可能正在使用哈希函数，正如众多海报所说的那样。然而，在一种方式之后，类似的含义也是可能的：使用Latent Dirichlet Allocation或Latent Semantic Analysis之类的东西将你的单词映射到多维空间，相对于在大量文本上训练的模型（这些预先如果您无法访问您感兴趣的文本类型的代表性样本，则可以下载经过培训的模型。如果你需要一个标量值而不是多维向量（很难说，你没有说出你想要的东西），你可以尝试一些事情，比如最可能的话题的概率，维度的平均值，最可能的主题索引等。
答案 4 :(得分：0)
num = 0
for (byte in getBytes(str))
num += UnsignedIntValue(byte)
这将满足所有3个属性（对于＃2，这适用于字符串二进制组合）。