良好的哈希函數，可在稀疏機器學習中生成uint64或uint32功能ID

Question

我對特征字符串（例如查詢和標題）使用哈希函數來生成稀疏特征ID。 該散列函數應該高效並且在uint64或uint32上具有良好的分布。 誰能給我一些建議？ 我已經在Java中測試了兩種方法。 第一個是java hashCode。 我發現它在相似的geohash字符串上有很多沖突。 第二是打擊。 它具有比hashCode更多的沖突。

public static long gene(String s) {
        long hash = 5381;
        int c;
        for (int i = 0; i < s.length(); i++) {
            c = s.charAt(i);
            hash = ((hash << 5) + hash) + c;
        }
        return hash;
    }

（請忽略java long和c ++ uint之間的區別。一切都很好）

Answer 1

您可以嘗試Murmurhash和cityhash