SimHash

参考：

http://www.cnblogs.com/linecong/archive/2010/08/28/simhash.html

http://www.strongczq.com/2012/04/locality-sensitive-hashinglsh%E4%B9%8B%E9%9A%8F%E6%9C%BA%E6%8A%95%E5%BD%B1%E6%B3%95.html

Simhash是由随机超平面hash算法演变而来的，随机超平面hash算法非常简单。

对于一个n维特征向量v，要得到一个f位的签名(f<<n)，算法如下

1，随机产生f个n维的向量r1,…rf；

2，对每一个向量ri，如果v与ri的点积大于0，则最终签名的第i位为1，否则为0.

 

这个算法相当于随机产生了f个n维超平面，每个超平面将向量v所在的空间一分为二，v在这个超平面上方则得到一个1，否则得到一个0，然后将得到的f个0或1组合起来成为一个f维的签名。

假设ri,i=1,那么两个向量r1, v的夹角为θ，表示在最终生成的64位的签名的第一位，一个随机超平面将它们分开的概率为θ/pai，因此r1, v的降维后签名的对应的第1位【总共64位】，两者不同的概率等于θ/π，因此我们可以想成如果这一位相同就是1，否则就是0。总共有64位，我们可以用两个向量的签名的不同的对应位的数量，即汉明距离，来衡量这两个向量的差异程度。