可从未排序的数据更新DAWG库或DAWG构造

Question

dawgdic是一个很棒的DAWG库，但它有一个明显的缺点，因为它是静态的（不可更新），必须按照字母顺序排序的字符串构造。如果构建DAWG的原始数据很大（几千兆字节），那么DAWG的初始构造涉及对大量字符串进行排序可能需要太多资源。

是否有一个库提供了一个内存有效的结构dawgdic，允许从非排序字典构建？

Answer 1

目前，我认为没有任何库允许从未排序的词典中构建DAWG。

但是，经过大量的搜索，我发现了这篇论文"Incremental Construction of Minimal Acyclic Finite-State Automata" ，我认为这篇文章正是你想要的。也许你可以在阅读之后创建自己的图书馆，并与大家分享！

编辑：您看过this question了吗？

Answer 2

我发现了一些很棒的库，允许从非排序数据进行在线构建，尽管它们不是基于DAWG：

1. cedar - 一个非常快速的双阵列特里
2. marisa-trie - 非常节省空间的字符串匹配库

Answer 3

我目前不知道DAWG的C ++实现是否支持非排序数据的构造，但如果您愿意创建自己的具有此类功能的解决方案，Incremental Construction of Minimal Acyclic Finite-State Automata (2000)基本上是一篇论文列出了它背后的算法。

或者，如果您愿意从其他语言移植解决方案，那么查看MDAG（数据结构的Java实现）可能是值得的。它支持动态字符串添加和字符串删除，这正是您正在寻找的。代码也很容易理解，并且进行了广泛的评论，所以移植它应该是一个相当简单的任务。

免责声明：我是MDAG :)的作者。