Java 为LSH-Minhash算法生成随机Hash函数

我正在用Java编程一个minhashing算法，它要求我生成任意数量的随机哈希函数（在我的例子中是240个哈希函数），并通过它运行任意数量的整数（目前是2000个）

为了做到这一点，我已经为240个散列函数中的每一个生成了随机数a、b和c（从范围1到2001）。然后，我的散列函数返回h=（（a*x）+b）%c，其中h是返回值，x是通过它运行的整数之一

这是一种有效的随机散列实现，还是有一种更常见/更可接受的实现方法

---

这篇帖子问了一个类似的问题，但我仍然对答案的措辞有些困惑：

所以我上面描述的方法几乎是正确的。数字a和b应随机生成。但是，c需要是一个略大于最大可能值x的素数。一旦选择了这些数字，使用h=（（a*x）+b）%c查找散列值h是生成散列函数的标准、可接受的方法

---

此外，a和b应该是从1到c-1的随机数。

几年前，当我使用Bloom过滤器时，我读到一篇文章，描述了如何以最少的代码非常简单地生成多个哈希函数。他描述的方法非常有效。看

基本思想是创建两个散列函数，分别称为

h1

和

h2

，然后使用以下公式模拟多个散列函数，

g1

到

gk

：

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

i

的范围从1到

k

（所需的哈希函数数）

---

这篇论文很值得一读，即使你决定不实施他的想法。尽管读过之后，我无法想象不想实现它。它使我的Bloom filter代码更加易于处理，并且不会对性能产生负面影响。

计算机从来都不是随机的。它们是伪随机的。这听起来像是一个学术问题，因此可能值得注意它们之间的区别。也可以尝试

bottom-k

hashing，即只使用一个hash函数，但保留

k

最小值，而不是只保留一个。