algorithm - 以数字方式表示具有与哈希码不同属性的字符串

Question

是否有一个类似于哈希码的函数，其中传入字符串或一组位并将其转换为数字。然而，该算法的工作原理是，彼此更相似的字符串会导致数字彼此更接近。

即

f("abcdefg") - f("abcdef") < f("lorem ipsum dolor") - f("abcde")

算法不一定是完美的，我只是想将一些描述转化为数字表示，作为 ML 实验的另一个输入。我知道这个字符串数据对算法有值(value)，我只是想想出一些简单的方法将它变成一个数字。

Answer 1

我从您的帖子中了解到的内容与我感兴趣的 tpic 非常相似。有一个很棒的工具或流程可以完成您要求的任务。我所指的工具称为 word2vec。它给出了字符串中每个单词的矢量化。它是由谷歌发现的。在这个模型中，每个词都会根据词汇表中的词及其附近的词(下一个词和上一个词)进行向量化。从 google 或 youtube 上浏览这个 word2vec 主题，你会对它有一个清晰的认识。这个工具的力量是如此之大，以至于你可以做一些意想不到的事情。一个例子是国王 - 男人 + 女人 = 王后该工具主要用于语义分析。