本文涉及大规模的相似度搜索，该相似度搜索有效地并且有效地找到查询数据点的相似数据点。 加速相似性搜索的有效方法是学习哈希函数。 用于学习哈希函数的现有方法旨在获得相似对的汉明距离的低值。 但是，这些方法忽略这些汉明距离的排名顺序。 这导致有关为查询数据点查找相似项目的准确性很差。 在本文中，提出了一种算法，称为top k RHS（Rank Hash相似度），其中设计了一种排序损失函数来学习哈希函数。 假设哈希函数由1个二进制分类器组成。 学习哈希函数的问题可以表述为学习二进制分类器的任务。 该算
