python - 我需要一个函数，给定相似的输入返回相似的索引

Question

所以我在研究哈希函数，发现给定 2 个相似的字符串，即使有一位不同，结果也将是一个完全不同的哈希键。我实际上需要创建某种唯一的 id，它具有对于相似输入非常相似的功能(将是数百万个字母数字字符串)。

示例:

• 两个相等的字符串必须具有相同的哈希值。
• 两个不同的字符串必须具有不同的哈希值。
• 两个非常相似的不同字符串必须具有不同的哈希值，同时彼此相差不太远。

实现这一目标的好方法是什么？我正在使用Python。

Answer 1

你所要求的是不可能的，假设“相似散列”意味着这些值应该具有相似的大小 - 例如，12345 与 12346 相似，但与 92345 不同。这样做的原因是相似性该排序是一维的(数轴)，但字符串彼此相似的方式没有固定的维度(例如，“foo”、“fob”和“fod”彼此之间的距离均为 1)。

如果您想执行模糊匹配，则需要使用不同的方法对文本进行索引，例如 this或this .

如果您只想比较各个值的相似性，首先不要对它们进行散列 - 只需立即计算它们的编辑距离即可。