為LSH Minhash算法生成隨機哈希函數

Question

我正在用Java編寫一個minhashing算法，它要求我生成任意數量的隨機散列函數（在我的情況下為240個散列函數），並通過它運行任意數量的整數（目前為2000）。

為了做到這一點，我一直在為240個散列函數中的每一個生成隨機數a，b和c（從1到2001的范圍）。 然后，我的哈希函數返回h =（（a * x）+ b）％c，其中h是返回值，x是通過它運行的整數之一。

這是隨機散列的有效實現，還是有更常見/可接受的方式來實現它？

這篇文章提出了類似的問題，但我仍然對答案的措辭感到困惑： Minhash實現如何為排列找到哈希函數

Answer 1

幾年前，當我使用Bloom過濾器時，我遇到了一篇文章，該文章描述了如何使用最少的代碼非常簡單地生成多個哈希函數。 他描述的方法非常有效。 請參閱更少哈希，相同性能：構建更好的布隆過濾器 。

基本思想是創建兩個哈希函數，稱之為h1和h2 ，然后使用以下公式模擬多個哈希函數g1到gk ：

gi = h1(x) + i*h2(x)

i從1到k （你想要的散列函數的數量）變化。

即使你決定不實施他的想法，這篇論文也值得一讀。 雖然在閱讀之后我無法想象不想實現它。 它使我的Bloom過濾器代碼更易於處理，並且不會對性能產生負面影響。

Answer 2

所以我上面描述的方法幾乎是正確的。 數字a和b應隨機生成。 但是，c需要是一個略大於x的最大可能值的素數。 一旦選擇了這些數字，使用h =（（a * x）+ b）％c找到散列值h是生成散列函數的標准，可接受的方式。

此外，a和b應該是1到c-1范圍內的隨機數。