重复有序序列搜索算法

Question

我有大量有序的符号序列，数百万个符号。 我必须找到重复的有序子序列，以便：

1. 搜索子序列未知，我必须找到在大序列的其他地方重复的子序列。
2. 子序列可能存在差异，例如存在一定量的噪音和缺少某些符号。

没有必要条件：

1. 子序列可能具有少量邻居符号的排列。

字母表由数千个符号组成。

你能为这样的任务推荐众所周知且经过充分研究的算法吗？

Answer 1

您可以尝试aho-corasick多模式匹配并使用通配符搜索子字符串。对于后续序列，您还需要levenstein距离。您可以在https://phpahocorasick.codeplex.com处使用通配符在PHP的aho-corasick算法中尝试我的实现。