ruby - Rabin Karp Rolling Hash 生成的哈希未反射(reflect)在文本上

Question

注意:很多可能的重复项，但似乎没有解决我的问题。

我正在研究基于 MOSS 的抄袭检测.

在成功实现过滤掉所有必要细节(评论、标点符号等)后，我使用滚动哈希实现 (Rabin Karp) 对内容进行哈希处理

然而，在两个源代码文本文件中匹配的哈希值，具有非常不同的底层文本(没有抄袭但相同的哈希值)

我实现的算法(Ruby)--> (部分片段)

 #Preprocessing from RobinKarp Algorithm
  for c in 0...k do
    text_hash=(radix*text_hash+text_to_process[c].ord)%q
  end

  #Main loop
  for c in 0...loop do   
        text_hash=((radix*text_hash-(text_to_process[c].ord)*highorder)+(text_hash[c+k].ord))%q    

我的实现有问题吗？还是我指定的参数有问题？

我取基数=34 (我不确定它是否是正确的值，我假设剥离的文本将只包含字母+一些特殊字符，如'+'，'-'，'*'，'/'所以粗略估计总共 34字符)

我将 q(prime) 设为 101

这是我正在处理的碰撞问题吗？关于如何解决该问题的任何指示？

Answer 1

我注意到当 q = 101 时，只有 101 个可能的哈希值 - 0、1、2...100。你试过增加q吗？另一种方法是查看散列值是否看起来像是在 0,1..q-1 的可能值内随机选择的值。

当然，您还应该在有重复字符串的情况下测试您的程序 - 失败可能是任何问题的另一种症状，也会导致冲突，并且更容易找到和调试。