Question

有一连串的词汇，非常大。随着单词不断出现，可以要求它判断已经看到的流中是否发生了短语？ 在不同的时间可能会有多个此类查询。

例如，假设到目前为止看到的单词流是：

你好世界是另一个程序员

然后，要求判断是否已经看到短语here is another，在这种情况下是正确的。

如何以最佳方式退回？

我一直在尝试使用图形构建解决方案并在查询时执行BFS，但它会带来两个问题：

首先，为了达到最佳效果，我还必须存储 words =＆gt;哈希表中图对中节点的地址。
其次，当存在周期时，算法会在流中失败：a b c d a b c e

建议满足要求的最佳解决方案。

Answer 1

您可以查找“后缀树的在线构建”并找到Ukkonen处理流的算法，并在处理完每个字符后为您的流准备一个后缀树，并且运行时间和空间为O（n ）如果到目前为止你已经看过n个字符。然后，每次给出一个查询短语时，您可以使用子串匹配算法为后缀树查找给定查询短语的所有匹配项，如果查询短语具有长度，查询时间最佳为O（m）以查找匹配项米。

Answer 2

因为您正在接收要以流方式搜索的文本正文，所以“预处理”文本以进行更有效的搜索是没有意义的。这是C＃中一个有效的实现，它以流方式处理要搜索的文本。

static IEnumerable<int> Search(string text, string query)
{
    var D = new Dictionary<int, int>();
    //Loop invariant: D[i] == j iff text[i..(i+j)] == query[0..j]
    //                for all pairs (i,j) in D
    for (int i = 0; i < text.Length; i++)
    {
        foreach (var k in D.Keys.ToList())
        {
            D[k] = D[k] + 1;
            if (D[k] == query.Length)
            {
                yield return k;
                D.Remove(k);
            }
            else if (text[i] != query[D[k]])
            {
                D.Remove(k);
            }
        }
        if (text[i] == query[0])
            D.Add(i, 0);
    }
    foreach (var k in D.Keys)
    {
        if (D[k] == query.Length)
            yield return k;
    }
}

基于流的版本可以如下实现。我认为流末端的情况可能无法正确处理，但你应该能够将这个想法调整为适用于那种边缘情况的东西。

class SearcherState
{
    public Dictionary<int, int> D = new Dictionary<int, int>();
    public int i = 0;
}

static Func<char, int?> Searcher(string query)
{
    var state = new SearcherState();
    return c =>
    {
        int? result = null;
        foreach (var k in state.D.Keys.ToList())
        {
            state.D[k] = state.D[k] + 1;
            if (state.D[k] == query.Length)
            {
                result = k;
                state.D.Remove(k);
            }
            else if (c != query[state.D[k]])
            {
                state.D.Remove(k);
            }
        }
        if (c == query[0])
            state.D.Add(state.i, 0);
        state.i++;
        return result;
    };
}

如何最佳地返回短语是否出现在单词流中？

2 个答案: