- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
首先,如果我写了很多,请原谅,我试着总结一下我的研究,以便大家能够理解。
R。 Baeza-Yates 和 M. Regnier 于 1990 年发表了一种用于在二维 nn 文本中搜索二维 mm 模式的新算法。 The publication写得很好,对于像我这样的新手来说也很容易理解,算法是用伪代码描述的,我能够成功地实现它。
BYR 算法的一部分需要 Aho-Corasick 算法。这允许在字符串文本中搜索多个关键字的出现。然而,他们还表示,他们的这部分算法可以通过使用 Commentz-Walter 算法(基于 Boyer-Moore 而不是 Knuth-Morris-Pratt 算法)而不是 Aho-Corasick 算法来大大改进。他们唤起了 Commentz-Walter 算法的替代方案,这是他们自己开发的替代方案。这在 their previous publication 中进行了描述和解释。 (见第 4 章)。
这就是我的问题所在。正如我所说,该算法遍历文本并检查它是否包含关键字集中的单词。单词倒置放置在一棵树上。为了提高效率,当他知道找不到匹配项时,有时需要跳过一些字母。
要确定可以跳过的字符数,必须计算两个表d
和dd
。那么,算法就很简单了:
The algorithm works as follows:
- We align the root of the trie with position m in the text, and we start matching the text from right to left following the corresponding path in the trie.
- If a match is found (final node), we output the index of the corresponding string.
- After a match or mismatch, we move the trie further in the text using the maximum of the shift associated to the current node (means dd), and the value of d[x], where x is the character in the text corresponding to the root of the trie.
- Start matching the trie again from right to left in the new position.
我的问题是我不知道如何计算 dd
函数。在他们的出版物中,R. Baeza-Yates 和 M. Regnier 提出了一个正式的定义:
pi 是关键字集合中的一个词,j 是这个词中一个字母的索引,所以 pi[j] 就像我之前展示的 trie 中的一个节点。节点中的数字表示 dd(node)。 L为单词个数,mi为单词pi中的字母个数。
他们没有给出关于这个函数的构造的指示。他们只推荐看the work of W. Rytter .本文档构建了一个类似于预期的功能,不同之处在于在这种情况下,只有一个关键字而不是一组。
dd(这里称为D)的定义如下:
可能会注意到与之前定义的相似之处,但我并不理解所有内容。
论文中给出了构造这个函数的伪代码,我已经实现了,这里用C++:
int pattern[] = { 1, 2, 3, 1 }; /* I use int instead of char, simpler */
const int n = sizeof(pattern) / 4;
int D[n];
int f[n];
int j = n;
int t = n + 1;
for (int k = 1; k <= n; k++){
D[k-1] = 2 * n - k;
}
while (j > 0) {
f[j-1] = t;
while (t <= n) {
if (pattern[j-1] != pattern[t-1]) {
D[t-1] = min(D[t-1], n - j);
t = f[t-1];
}
else {
break;
}
}
t = t - 1;
j = j - 1;
}
int f1[n];
int q = t;
t = n + 1 - q;
int q1 = 1;
int j1 = 1;
int t1 = 0;
while (j1 <= t) {
f1[j1 - 1] = t1;
while (t1 >= 1) {
if (pattern[j1 - 1] != pattern[t1 - 1]) {
t1 = f1[t1 - 1];
}
else {
break;
}
}
t1 = t1 + 1;
j1 = j1 + 1;
}
while (q < n) {
for (int k = q1; k <= q; k++) {
D[k - 1] = min(D[k - 1], n + q - k);
}
q1 = q + 1;
q = q + t - f1[t - 1];
t = f1[t - 1];
}
for (int i = 0; i < n; i++)
{
cout << D[i] << " ";
}
它有效,但我不知道如何将它扩展为几个词,我不知道如何与 Baeza-Yates 和 Régnier 给出的 dd
的正式定义一致。我说这两个定义很相似,但不知道到什么程度。
我没有找到关于他们算法的任何其他信息,我不可能知道如何实现 dd
的构造,但我正在寻找可能理解并告诉我如何实现的人到达那里,向我解释 D
和 dd
的定义之间的联系。
最佳答案
我认为d[x]对应http://en.wikipedia.org/wiki/Boyer%E2%80%93Moore_string_search_algorithm中的坏字符规则而D对应同一篇文章中的Good Suffix规则。这意味着 d[x] 中的 x 不是树根中的字符,而是正在搜索的文本中与当前节点的子节点不匹配的第一个字符的值.
我觉得这个想法和 Boyer-Moore 是一样的。只要有匹配项,就沿着树移动,当出现不匹配项时,您会知道两件事:导致不匹配项的字符,以及目前已匹配的子字符串。独立地考虑这些事情,你可能会发现如果你沿着被搜索的文本移动 1,2,..k 位置你仍然没有匹配,因为在这些偏移处导致不匹配的字符仍然会导致不匹配,或者之前匹配的文本部分在这个偏移量处不匹配。因此,您可以跳到第一个未被任何一个值排除的偏移量。
实际上,这暗示了一种变体方案,其中 d 和 DD 提供的不是数字而是位掩码,并且您将两个位图放在一起并根据仍设置的第一个位的位置移动。据推测,这并不能为您节省足够的时间,值得额外的设置时间。
关于c++ - 了解 Baeza-Yates Régnier 算法(多字符串匹配,从 Boyer-Moore 扩展而来),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24460885/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!