Question

我得到了名为令牌的元素。他们中的每一个都是某种类型的关联容器（不一定是std容器之一）。我有一些类型的容器存储存储令牌（不一定是std容器之一）。存储是令牌的集合。
我需要能够通过指定比较器的指定键对令牌值上的令牌集（存储）执行交集操作。作为该操作的结果，我想获得另一组令牌（另一个存储）。

伪代码中的用例：

  if ( (storage0[key1]==storage1[key1])[key2]<storage1[key2] )
    ...

我正在寻找一种有效的算法注意：我有几十个令牌问题：
1）如何组织存储？
2）如何实现交叉运行？

更新更多解释：
token是一组（键，值）对。存储是一组（键，值）对

我需要交叉（P1，K1，P2，K2，cmp）
P1 - 第一次存储
P2 - 第二次存储
K1 - 第一次存储的钥匙
K2 - 第二次存储的钥匙
cmp - 比较函数，如cmp（value，value），返回true或false

Intersect应该遍历P1的每个元素e1，并且遍历P2的每个元素e2 并提取满足cmp的元素（（键，值）对）（e1 [K1]，e2 [K2]）

Answer 1

Inverted index可以有效地处理交叉点，因此您可以执行类似的操作。

这个想法是：每个集合实际上都是一个列表，具有高效的getFirstAfter(key)函数 - 它返回key之后的第一个标记。对于每个集合 - 您需要检查相关元素是否在其中 - 如果不存在 - 则前进到集合中的下一个元素。

（*）请注意，此算法中列举了令牌

（*）假设T持有你想要交叉的所有列表[算法有效地交叉多于两个列表]

Psudo代码：

lastTok <- 0 //the first token in the collection
currSet <- 0 //the first set 
while (lastTok != infinity):
  if (currSet > T.last): //if we have passed the last set
     insert lastTok into result
     currSet <- 0
     lastTok <- lastTok + 1
     continue
  currentToken<- T[currSet].getFirstAfter(lastTok-1)
  if (currentToken!= lastTok):
     lastTok<- currentToken
     currSet <- 0
  else: 
     currSet <- currSet + 1

此算法假设有效getFirstAfter()，它可以为您提供符合该术语的第一个文档，并且他的docId大于指定的参数。如果没有，它应该返回无穷大。

如果对术语进行排序，使得最稀有的术语是第一个，则该算法将是最有效的。

该算法最多可确保#docs_matching_first_term * #terms次迭代，但实际上 - 迭代次数通常会少得多。

更多信息可以在this lecture notes幻灯片11-13中找到[在演讲的第一页复制权]

如何执行高效的交集操作？

1 个答案: