关于局部敏感哈希原理的疑惑

Question

看到的解释是说

局部敏感哈希（LSH）是指这样的哈希方法：对两篇文档，如果它们相似，则它们的哈希值有较高的概率是相同的。有了文档的最小哈希签名，我们就能实现这种哈希方法。直观的做法是，将包含 b×r 个值最小哈希签名分为 b 等份，每份 r 个，对两个文档，定义 P 为两个文档至少含有1个相同份的概率，显然，文档间的 Jaccard 相似度越高，哈希签名具有相同值的位数就越多，概率 P 就越大。

还是不太明白，求算法大神能讲得直白一些，最好举例说一下。

Answer 1

我觉得好像就是哈希表里面的冲突。冲突的越多，那么相同的“子块”就越多，因此整体的相似度就越高。