我正在搜索“坏”哈希函数： 我想散列字符串并将相似的字符串放在一个桶中。
你能给我一个暗示从哪里开始我的研究吗？ 一些方法或算法名称......
答案 0 :(得分：3)
你的问题并不容易。两个想法：
此解决方案可能过于复杂，但您可以尝试傅里叶变换。将输入文本视为函数的一系列样本，然后运行傅里叶变换将输入转换为频域。低频部分是文本的一般要点，高频部分是微小的变化。
这有点类似于jpeg压缩的作用：扔掉细节，然后留下重要的东西。如果你有两个几乎完全相同的图像并且jpeg大大压缩它们，你通常会获得相同的输出。
pHash使用与此类似的方法。
同样，这将是一个非常复杂的方法。
第二个想法：minHash
minHash的想法是，当输入相同时，你选择一些可能相同的标记。然后计算所有标记输出的向量。如果两个输入具有相似的矢量，则输入相似。
例如，计算文本中“the”一词出现的次数。如果它是偶数，0，如果它是奇数，1。现在计算“数学”这个词在文本中出现的次数。同样，0表示偶数，1表示奇数。这样做很多话。
现在您处理所有文本，每个文本都会输出“011100010101”等输出。如果两个文本相似，则它们将具有相似的输出字符串，仅相差1或2位。您可以使用多变量分区trie（MVP）有效地搜索输出。
这也可能对你的问题有点过分。
答案 1 :(得分：-1)
这取决于“类似字符串”的含义？
但是如果你找到这么糟糕的那个，你必须自己构建它。
示例：
你可以创建10个桶（0到9） 并按照他们的长度对字符串进行分组 mod 10
使用 strcmp（）之类的函数，并按照与定义的字符串的差异对它们进行分组