algorithm - 如何识别文本中的一组关键词

Question

我有一大堆关键词。给定一个文本，我希望能够只识别出现在关键单词列表中的那些单词，而忽略所有其他单词。解决这个问题的最佳方法是什么？

Answer 1

Aho-Corasick algorithm是一种用于识别较大源字符串中的一组模式字符串的快速算法。它被多个搜索实用程序以及许多防病毒程序所采用，因为它的运行时间为 O(m + n + z)，其中 n 是您尝试匹配的所有模式字符串的总大小，m 是要搜索的字符串，z 是匹配的总数。此外，如果您事先知道要搜索的字符串是什么，则可以离线执行 O(n) 的工作并将搜索时间减少到 O(m + z)。