CHIMERA-Hash(混沌-IDF多分辨率熵共振吸引子哈希)是一种新颖的文本指纹算法,集成了四个组件:计数草图方差减小、具有理论角度界限的符号随机投影(SimHash-SRP)、受Instant-NGP启发的多分辨率字符编码,以及一个混沌吸引子轨迹系统。引入了两种机制,没有确定的先前艺术:(1) 混沌-IDF,该机制从r=3.9的逻辑映射中推导出每个标记的重要性,而不需要文档语料库;(2) LSH到吸引子的种子,这将SimHash位签名与混沌演化初始化联系起来。在涵盖16个挑战类别的115对基准测试中评估,CHIMERA-Hash实现了Pearson相关系数0.5082和排名准确率0.7108,整体排名第二。它在近重复检测(0.0109)、同义句识别(0.0755)、AI重写检测(0.1379)和长度差异处理(0.0754)上取得了最佳平均绝对误差(MAE)。所有结果均来自可执行代码的实时计算。
Manish Kumar Parihar(Sun,)研究了这个问题。
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: