用于 Minhashing 的迭代通用哈希函数生成器

Minhashing 是一种通过利用随机排列中的碰撞概率来估计两个集合之间 Jaccard 指数的技术。为了加速计算，可以使用通用哈希函数（如 Carter 和 Wegman 提出的 $h_{a,b}$ 函数）来近似随机排列。通过使用大量随机生成的此类哈希函数，可以获得更准确的 Jaccard 指数估计。本文设计了一种新的迭代过程来生成一组 $h_{a,b}$ 函数，该过程消除了对随机值列表的需求，并避免了计算过程中的乘法运算。所生成哈希函数的性质仍保持为通用哈希函数族的性质。这得益于稀疏数据集中特征出现的随机性。结果表明，在保持哈希特征均匀性的同时，与传统方法相比获得了高达 $1.38$ 倍的加速。