“k”中所有常见子串的集合或“n”个字符串中的更多字符串

Question

Iam正在寻找一种算法，在'n'个总字符串数中找到至少'k'个字符串中的一组公共子串。

例如，如果我有5个字符串，那么n = 5 我想找到所有3个或更多字符串中常见的子串，然后k = 3.

输出应该是一组任意长度的子串，这些子串在至少3个字符串中很常见。

所以

1. abcdx
2. EFGH
3. xyabcz
4. ijklxmno
5. pqrstbcduvwxabcd

应该给出类似的东西 ABC， AB， 公元前， b， C， 一个， X

搜索互联网的问题是我不知道这个问题的确切关键词。基本搜索会产生最长公共子字符串，这可能与我正在寻找的相关但不完全相同。

我的问题，已知的问题已经在文献中发表了既定的解决方案？指向正确关键字或引用文章的任何指针？

或者我必须将其指定为我自己的问题并为其创建算法？我脑海中最基本的想法是

1. 将所有字符串分解为其子字符串并将其存储在相应的字符串中。
2. 取所有'n'组并将其交点作为结果。
3. 对于n-1组的所有组合 选择一个组合，然后选择它们的交点并将其与结果联合起来。
4. 对n-1，n-2，n-3，...，k组合的大小重复步骤3

结果将包含至少k个字符串中常见的所有公共子字符串。我认为这会有效，但如果有一些聪明的方法做同样的事情，那么我想使用和引用它。

特别是我不是在任何特定于语言的实现之后。我只是在寻找算法，或者在文献中找到这样的问题及其解决方案。

Answer 1

你可以这样做：

1. 创建从字符串到出现次数的地图（让我们称之为cnt）。

2. 对于每个给定的字符串，请执行以下操作：

   • 创建一组所有子字符串S。

   • 对于S中的每个字符串，在cnt中为该字符串的出现次数添加一个。

3. 从cnt地图中选择所有具有出现次数＆gt; = k的条目。

一些伪代码：

cnt = an empty map
for string <- strings
    for substr <- set of substrings of the string
        cnt[substr]++
for entry <- cnt
    if entry.value >= k
        print entry.key