我正在阅读有关LSH的调查，特别是引用部分的最后一段2.2.1：
为了提高召回率，构建了 L 个哈希表，并将位于 L (L ′ , L ′ < L) 个哈希桶 h_1 (q)、···、h_L (q) 中的项目检索为 q 的附近项目随机 R 近邻搜索（或随机 c 近似 R 近邻搜索）。为了保证精度，L 个哈希码 y_i 中的每一个都需要是一个长码，这意味着桶的总数太大而无法直接索引。因此，通过对散列码 h_l (x) 进行对流散列，仅保留非空桶。
我有3个问题：
- 我不清楚粗体字：“诉诸哈希码的传统哈希”是什么意思
h_l (x)？ - 总是关于粗体句子，我不确定我是否得到了问题：我完全理解这
h_l(x)可能是一个很长的代码，因此可能的存储桶的数量可能很大。例如，如果h_l(x)是二进制代码并且length是h_l(x)的长度，那么我们总共L*2^length有可能的桶（因为我们使用L哈希表）......这是正确的吗？ - 最后一个问题：一旦我们找到查询向量属于哪个桶
q，为了找到最近的邻居，我们必须使用原始向量q和原始距离度量？例如，假设原始向量q为 128 维q=[1,0,12,...,14.3]^T，并且在我们的应用程序中使用欧几里得距离。现在假设我们在 LSH 中使用的散列函数（为简单起见假设 L=1）将该向量映射到 20 维的二进制空间，y=[0100...11]^T以便决定分配q给哪个桶。所以y有相同的 bucket 索引B，并且已经包含 100 个向量。现在，为了找到最近的邻居，我们必须q使用欧几里得距离与所有其他 100 128 维向量进行比较。这个对吗？