TextRank算法空间和时间复杂度

时间:2018-05-06 05:17:24

标签: nlp artificial-intelligence big-o space-complexity

我正在尝试确定TextRank的空间和时间复杂度,本文列出的算法: https://web.eecs.umich.edu/~mihalcea/papers/mihalcea.emnlp04.pdf

因为它使用的PageRank的复杂性是: O(n + m)(n - 节点数,m - 弧/边数) 我们在i迭代中运行它/直到收敛关键字提取的复杂性我认为它将是:O(i *(n + m)) 使用邻接矩阵

,空间复杂度为O(V ^ 2)

对于句子提取,我相信它会是一样的。

我真的不确定,任何帮助都会很棒谢谢你。

1 个答案:

答案 0 :(得分:0)

如果重复T次算法(内部)的复杂度为O(n + m),或其他任何其他问题,那么得出新算法( outer)是正确的)将具有O(T *(n + m))的复杂度:

  1. 外部算法每次重复内部算法时都会添加一个常量的复杂性。
  2. 每次调用内部算法时,参数n和m保持不变。
  3. 换句话说,外部算法应该在恒定时间内为内部算法准备输入,并且新输入的参数应该在T次迭代中保持很好地由n和m表示。否则,如果无法证明这两个要求中的任何一个,则应将T次与新参数相关的复杂性相加,比如说

    O(n1 + m1) + ... + O(n_T + m_T)
    

    并且还考虑了使用内部之前和之后外部算法的所有前处理和后处理。