Nlp 什么是自然语言处理中的区域哈希？

NLP领域有人听说过术语区域散列吗？据我所知，区域哈希是迭代文档并提取句子的过程。然后对累积的句子进行散列，然后对接下来的n个句子继续此过程

我在谷歌上找不到这方面的任何参考资料，所以我想知道它是否有不同的名字。它应该与测量文本相似性/接近度相关

也许它指的是对位置敏感的哈希

据我所知，“区域散列”作为一门学科在NLP中不是一个成熟的概念。这只是一些算法中使用的一个简单概念（与NLP相关）。我所知道的唯一一个使用它的是一个

Sphinx

搜索服务器，这里的“区域散列”只是“称为区域的对象散列”，其中“区域”描述如下：

区域可以正式定义如下。在一个 开始标记和匹配的结束标记称为跨度，聚合 在所有共享相同标记名的对应跨距中，称为区域。 例如，在中出现

和

之间的所有内容 文档字段属于H1区域

由index_zones指令启用的区域索引是可选的 HTML剥离器的扩展。因此，它还要求 已启用剥离器（html_strip=1）。价值 索引区域应该是以逗号分隔的标记名和 应作为区域索引的通配符（以星形结尾）

分区可以任意嵌套和重叠。唯一的要求是 每个开始标记都有一个匹配的标记。你也可以有一个任意的 两个分区（如在唯一分区名称中，如H1）和跨距的数量 （所有出现的H1标记）在文档中。一旦索引， 然后，可以使用分区与“分区”操作符进行匹配，请参见 第5.3节，“扩展查询语法”

这些结构的散列在传统意义上被用来加速搜索和查找。我不知道任何“更深”的含义

也许它指的是对位置敏感的哈希

---

局部敏感散列是多维数据的一种概率方法，我看不出与区域散列有任何更深层次的联系，因为两者都使用散列函数。

它似乎与信息检索比实际的NLPThank you，lejlot更相关。我的最终目标是看看如何在NLP中使用它来衡量文本之间的相似性，并找到其他也可以使用的技术。你知道你头脑中还有其他技术吗？有数百种这样的方法，搜索“字符串相似性度量”、“概念相似性度量”或“文档相似性度量”。它们的范围从单一指标（如Hamming/Jaccard）到基于文本（字符串内核）和/或意义（wordnet内核）的文本内核（也值得搜索）