機能ハッシュについて

ウィキペディアでは、機能のハッシュについて説明するときに、次の例を提供しています。しかし、マッピングは定義された辞書と一致していないようです

たとえば、辞書に従ってにto変換する必要があります3が、1代わりにエンコードされます。

説明に誤りはありますか？機能ハッシュはどのように機能しますか？

テキスト：

John likes to watch movies. Mary likes too.
John also likes to watch football games.

辞書を使用して変換できます

{"John": 1, "likes": 2, "to": 3, "watch": 4, "movies": 5, "also": 6, 
"football": 7, "games": 8, "Mary": 9, "too": 10}

マトリックスへ

[[1 2 1 1 1 0 0 0 1 1]
 [1 1 1 1 0 1 1 1 0 0]]

マトリックスは次のように構成されます。

• 行は線を表す
• 列は機能を表します

そして、すべてのエントリmatrix（i、j）= kは、次のことを意味します。

行iでは、インデックスjの単語がk回出現します。

したがってto、インデックス3にマッピングされます。1行目に1回だけ表示されます。したがって、m（1,3）= 1です。

その他の例

• likesはインデックス2にマップされます。最初の行に正確に2回表示されます。したがって、m（1,2）= 2
• also はインデックス6にマップされます。これは1行目には表示されませんが、2行目に1回表示されます。したがって、m（1,6）= 0およびm（2,6）= 1です。

Steffenが指摘したように、サンプルのマトリックスは、単語がテキストに出現する回数をエンコードします。マトリックスへのエンコードの位置は、単語（マトリックス上の列の位置）とテキスト（マトリックス上の行の位置）によって指定されます。

これで、ハッシュトリックは同じように機能しますが、各単語の列の位置を含む辞書を最初に定義する必要はありません。

実際、可能な列位置の範囲（ハッシュ関数は可能な最小値と最大値を提供します）を与えるハッシュ関数と、マトリックスにエンコードする単語の正確な位置です。たとえば、「いいね」という単語がハッシュ関数によって数値5674にハッシュされたとします。この場合、列5674には「いいね」という単語に関連するエンコーディングが含まれます。

このような方法では、テキストを分析する前に辞書を作成する必要はありません。テキストマトリックスとしてスパースマトリックスを使用する場合は、マトリックスサイズを正確に定義する必要はありません。テキストをスキャンするだけで、その場で、ハッシュ関数によって単語を列の位置に変換し、テキストマトリックスには、段階的に分析しているドキュメント（行の位置）に応じてデータ（頻度）が入力されます。