在数据集中查找其他不存在的唯一序列

Question

我想知道是否存在针对以下问题的已知算法/解决方案。

我有一组来自X系列的10000个文件和来自Y系列的另外10000个文件。 按族，我的意思是文件彼此密切相关（在代码共享方面）。

我希望发现家族X中所有（或大多数）文件中存在的独特序列（DNA），但不会在Y家族中退出。

我如何提取这样的DNA？

Answer 1

如果我理解正确，我相信这是解决方案：

1. 创建一个代表所述DNA的类。
2. 用第一个文件中的DNA填充一组并计算它们的流行程度。
3. 用第二个文件中的DNA填充另一组。
4. 从第一组中减去第二组以获取第一组文件中存在的所有DNA，而不存在于第二组文件中。
5. 步骤4中收到的DNA中最常见的DNA是您正在寻找的DNA。

注意：在您的DNA课程中（或在您的课程中，依赖于您正在使用的语言）记住要照顾平等和散列。