Question

最近我接受了一次采访，我被要求编写一个算法来查找从特定单词到给定单词的最小1个字母变化数，即Cat-＆gt; Cot-＆gt; Cog-＆gt;狗

我不希望问题的解决方案只是指导我如何在此算法中使用BFS？

Answer 1

根据这个拼字游戏列表，猫与狗之间的最短路径是： ['CAT'，'COT'，'COG'，'DOG']

from urllib import urlopen

def get_words():
    try:
        html = open('three_letter_words.txt').read()
    except IOError:
        html = urlopen('http://www.yak.net/kablooey/scrabble/3letterwords.html').read()
        with open('three_letter_words.txt', 'w') as f:
            f.write(html)

    b = html.find('<PRE>') #ignore the html before the <pre>
    while True:
        a = html.find("<B>", b) + 3
        b = html.find("</B>", a)
        word = html[a: b]
        if word == "ZZZ":
            break
        assert(len(word) == 3)
        yield word

words = list(get_words())

def get_template(word):
    c1, c2, c3 = word[0], word[1], word[2]
    t1 = 1, c1, c2
    t2 = 2, c1, c3
    t3 = 3, c2, c3
    return t1, t2, t3

d = {}
for word in words:
    template = get_template(word)
    for ti in template:
        d[ti] = d.get(ti, []) + [word] #add the word to the set of words with that template

for ti in get_template('COG'):
    print d[ti]
#['COB', 'COD', 'COG', 'COL', 'CON', 'COO', 'COO', 'COP', 'COR', 'COS', 'COT', 'COW', 'COX', 'COY', 'COZ']
#['CIG', 'COG']
# ['BOG', 'COG', 'DOG', 'FOG', 'HOG', 'JOG', 'LOG', 'MOG', 'NOG', 'TOG', 'WOG']

import networkx
G = networkx.Graph()

for word_list in d.values():
    for word1 in word_list:
        for word2 in word_list:
            if word1 != word2:
                G.add_edge(word1, word2)

print G['COG']
#{'COP': {}, 'COS': {}, 'COR': {}, 'CIG': {}, 'COT': {}, 'COW': {}, 'COY': {}, 'COX': {}, 'COZ': {}, 'DOG': {}, 'CON': {}, 'COB': {}, 'COD': {}, 'COL': {}, 'COO': {}, 'LOG': {}, 'TOG': {}, 'JOG': {}, 'BOG': {}, 'HOG': {}, 'FOG': {}, 'WOG': {}, 'NOG': {}, 'MOG': {}}

print networkx.shortest_path(G, 'CAT', 'DOG')
['CAT', 'OCA', 'DOC', 'DOG']

作为奖励，我们可以获得最远的奖励：

print max(networkx.all_pairs_shortest_path(G, 'CAT')['CAT'].values(), key=len)
#['CAT', 'CAP', 'YAP', 'YUP', 'YUK']

Answer 2

乍一看，我对Levenshtein distance感到满意，但你需要使用BFS。所以我认为你应该从构建树开始。给定单词应为root，然后下一个节点是第一个字母已更改的单词。下一个节点已更改第二个字母。构建图形时，使用BFS，当您找到新的单词存储路径长度时。在算法结束时选择最小距离。

Answer 3

从路径集中的起始单词开始。
如果路径设置中任何路径的结束字是所需的字，请停止，该路径是所需的路径。
将路径集中的每个路径替换为以该路径开头的每个可能路径，但只有一个字。
转到第2步。

Answer 4

如果我们开始以广度方式构建从目标字到源字的有向非循环图，我们会进行字典查找以验证我们是否在添加树的同时添加了该字这个词，那么第一次出现的源词应该给出从“目标词”到“源词”的反向最短路径。

由此我们可以打印从“来源”到“目标”的路径

如何计算两个单词之间的“最短距离”？

4 个答案: