1、“.....从而降低布隆过滤器的误报率。结论在这篇论文中，我们提出了个新的结构，称为，以支持近似成员查询。本质上成员查询因其广泛的应用而受到广泛的关注，和引入局部敏感哈希已经成功应用在向量空间和字符串空间的近似查询中。现有的变体包括基于距离的散列，多探测哈希......”。

2、“.....从样本数据中进行统计观察。多功能探针哈希多该设计是基于布隆过滤器可以借助不同的哈希函数将原始项映射到个相对简洁的存储空间。因此，在保持项接近度的同时，用稳定函数替换布隆过滤器中独立且致的散列函数是可行的。我们的贡献总结如下我们提出了个结构......”。

3、“.....是种按位向量的节省空间的结构，它利用稳定哈希函数将个项散列到中，其中是进制位，从进制位向量可以指示最近项的存在。第节给出了相关的工作。第节给出结论。基于稳定分布的布隆过滤器近似成员查询算法论文原稿。本。摘要布隆过滤器是，基于稳定分布的布隆过滤器近似成员查询算法论文原稿文提出的新的数据结构......”。

4、“.....是种按位向量的节省空间的结构，它利用稳定哈希函数将个项散列到中，其中是进制位，从进制位向量可以指示最近项的存在。数替换布隆过滤器中独立且致的散列函数是可行的。我们的贡献总结如下我们提出了个结构，用稳定函数代替传统的随机和独立哈希函数来测量项目的局部化，并支持近似成员查询......”。

5、“.....基于稳定分布的布隆过滤器可以快速有效的支持近似成员查询查询并且种分区哈希方法试图通过裁减每个项的哈希函数来设置比标准少得多的布隆过滤器位，从而降低布隆过滤器的误报率。结论在这篇论文中，我们提出了个新的结构，称为，以支持近似成员查询。本质上是种节省空间的布隆过滤器，但它取代了原来的哈希函数......”。

6、“.....但是迄今为止还少有针对高维度大规模数据的近似成员查询算法。在这篇文章中，将提出种新的基于稳定分布的布隆过滤器算法。该设计是基于布隆过滤器可以借助不同的哈希函数将原始项映射到个相对简洁的存储空间。因此，在保持项接近度的同时，用稳定函，数可以有效地保持散列项的接近性。与传统的哈希函数相比......”。

7、“.....提供更准确的成员查询，同时减少了存储空间的消耗。参考文献，基于稳定分布的布隆过滤器近似成员查询算法论文原稿多数现有的基于哈希的设计必须消耗大量的存储空间来维护多个散列表，以提高近似查询的准确性。另个研究领域的目标是扩展空间效率的布隆过滤器，以支持近似查询与可接受的率......”。

8、“.....从而呈现假阳性和负率的组合，。相反，近似成员查询可以放宽对用戶请求的约束，使用户在更短的时间内获得满意的结果。基于稳定分布的布隆过滤器近似成员查询算法论文原稿。相关工作近似成员查询因其广泛的应用而受到广泛的关注，和是种节省空间的布隆过滤器，但它取代了原来的哈希函数......”。

9、“.....与传统的哈希函数相比，基于稳定分布的哈希函数可以很大程度上减少率，提供更准确的成员查询，同时减少了存储空间的消耗。参考文献，检查散列桶，支持高维相似度搜索，提高基于统计分析的索引精度。大多数现有的基于哈希的设计必须消耗大量的存储空间来维护多个散列表，以提高近似查询的准确性......”。