이름에서 좌표로
특징 이름을 해시한 결과로 좌표를 정하고 해당 특징의 값을 그 자리에 더한다. 같은 이름에는 같은 좌표를 적용해야 학습과 예측이 일관된다. 좌표의 수는 특징 이름이 새로 등장해도 고정할 수 있다. 각 특징마다 고유 좌표를 따로 저장하는 사전 방식과 다르다.
네 좌표의 예
설명을 위해 이름 A와 C는 첫 좌표, B는 셋째 좌표에 간다고 가정하자. 값이 A=2, B=3, C=5이면 부호를 모두 양수로 두는 방식의 결과는 (7,0,3,0)이다. C에 음의 부호를 붙이는 규칙이면 (-3,0,3,0)이 된다. 이 배정은 개념 예시이며 특정 해시 함수의 실제 출력이 아니다.
충돌과 부호
서로 다른 특징이 같은 좌표로 가면 기여가 합쳐져 원래 값을 따로 복원하기 어렵다. 부호를 해시에 따라 함께 정하는 방식은 적절한 확률적 조건에서 내적 왜곡을 줄이는 데 쓰이지만 개별 충돌을 없애지는 않는다. 출력 차원을 늘리면 충돌을 줄일 수 있는 대신 후속 모델의 계수 공간도 커진다.
사용할 때의 조건
큰 어휘나 계속 들어오는 특징을 처리할 때 사전 관리 부담을 줄일 수 있다. 그러나 해싱만으로 TF-IDF의 문서 빈도 가중치가 만들어지는 것은 아니다. 문자열의 정규화와 이름 구성도 일관되어야 한다. 해시 좌표만 보고 원래 특징 이름을 유일하게 알아낼 수 없으므로 해석이 중요한 문제에서는 이 한계를 고려한다.