Wikipedia 在描述特征散列时提供了以下示例；但映射似乎与定义的字典不一致
例如，to应该3根据字典转换为，但它被编码为1代替。
描述有错误吗？特征哈希是如何工作的？
文本：
John likes to watch movies. Mary likes too. John also likes to watch football games.可以转换，使用字典
{"John": 1, "likes": 2, "to": 3, "watch": 4, "movies": 5, "also": 6, "football": 7, "games": 8, "Mary": 9, "too": 10}到矩阵
[[1 2 1 1 1 0 0 0 1 1] [1 1 1 1 0 1 1 1 0 0]]
矩阵的构造方式如下：
并且每个入口矩阵(i,j)=k 表示：
在第 i 行，索引为 j 的单词出现 k 次。
Soto映射到索引 3。它在第 1 行中恰好出现一次。所以 m(1,3)=1。
更多示例
likes映射到索引 2。它在第一行恰好出现两次。所以 m(1,2)=2also映射到索引 6。它没有出现在第 1 行，而是在第 2 行出现一次。所以 m(1,6)=0 和 m(2,6)=1。正如 Steffen 所指出的，示例矩阵编码了一个单词在文本中出现的次数。编码到矩阵中的位置由单词（矩阵上的列位置）和文本（矩阵上的行位置）给出。
现在，散列技巧的工作方式相同，尽管您不必最初定义包含每个单词的列位置的字典。
实际上，散列函数将为您提供可能的列位置范围（散列函数将为您提供可能的最小值和最大值）以及要编码到矩阵中的单词的确切位置。例如，假设“likes”这个词被我们的散列函数散列成数字 5674，那么 5674 列将包含与“likes”这个词相关的编码。
以这种方式，您无需在分析文本之前构建字典。如果您将使用稀疏矩阵作为文本矩阵，您甚至不必准确定义矩阵大小。只需通过动态扫描文本，您将通过散列函数将单词转换为列位置，并且您的文本矩阵将根据您正在逐步分析的文档（行位置）填充数据（频率，即）。