- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我目前正在研究我自己的后缀树实现(使用 C++,但问题仍然与语言无关)。我研究了 the original paper from Ukkonen 。这篇文章非常清楚,所以我开始着手我的实现并尝试解决通用后缀树的问题。
在树中,从一个节点到另一个节点的每个子串都使用一对整数表示。虽然这对于常规后缀树来说很简单,但当多个字符串共存于同一棵树中时会出现问题(这成为广义后缀树)。事实上,现在这样的一对是不够的,我们需要另一个变量来说明我们正在使用哪个引用字符串。
一个简单的例子。考虑字符串 coconut
:
nut
将是 (4,6)
。 troublemaker
,(4,6)
现在可以是:nut
。 ble
如果我们指的是第二个字符串。 // A pair of int is a substring (regular tree)
typedef std::pair<int,int> substring;
// We need to bind a substring to its reference string:
typedef std::pair<int, substring> mapped_substring;
最佳答案
TL; 博士
编辑(03/2019):我重新设计了我的实现,以使用 C++17 string_view
来表示我的子字符串以及确保引用字符串不会移动的缓存机制。更新后的版本可以在 github 上找到:https://github.com/Rerito/suffix-tree-v2。这是好奇心的 the github for my old implementation (in C++)。哦,新版本还包括测试!
为了构建广义后缀树,实际上不需要修改原始算法。
详分割析
我的预感是正确的。为了跟上原始算法中使用的技巧,我们确实需要添加对原始字符串的引用。此外,该算法是在线的,这意味着您可以将字符串即时添加到树中。
假设我们有一个字符串 (S1, ..., SN) 的广义后缀树 GST(N)。这里的问题是如何使用 GST(N) 处理 GST(N+1) 的构建过程。
调整数据模型
在简单的情况下(单个后缀树),每个转换都是一对(子串,结束顶点)。 Ukkonen 算法中的技巧是使用一对指向原始字符串中适当位置的指针对子字符串进行建模。在这里,我们还需要将这样的子字符串链接到它的“父”字符串。这样做:
// This is a very basic draft of the Node class used
template <typename C>
class Node {
typedef std::pair<int, int> substring;
typedef std::pair<int, substring> mapped_substring;
typedef std::pair<mapped_substring, Node*> transition;
// C is the character type (basically `char`)
std::unordered_map<C, transition> g; // Called g just like in the article :)
Node *suffix_link;
};
banana
ba
的节点 s 明确存在于 GST(N) nal
l
处的转换 t 处,这是不匹配的。因此,我们得到的隐式状态 r 由引用对 (s, m) 表示,其中 m 是映射的子串 (N+1, (1,3))。
banana
的后缀树中的第 5 次迭代的事件点。我们达到该状态的事实意味着
bana
的树已经在 GST(N) 中构建。
banan
的树构建
bana
的后缀树。为了不失一般性,我们将声明 r = (s, (N+1, (k, i-1)), i 是第一个不匹配的索引。我们确实有 k ≤ i(平等是r 是一个明确的状态)。
test_and_split
:给定要在当前迭代中插入的字符,测试我们是否需要将过渡拆分为两个单独的过渡,以及当前点是否为终点。 canonize
:给定一个引用对 (n, m),其中 n 是一个顶点,m 是一个映射的子串,返回表示相同状态的一对 (n', m'),例如 m' 是最短的可能子串。 update
:更新 GST(N) 使其在运行结束时具有中间树 T(N+1)i 的所有状态。 test_and_split
一样,每个转换的唯一性以及我们将现有状态作为输入的事实为我们提供了一个有效的过程。
update
使用对 GST 友好的
canonize
和
test_and_split
。后缀链接编辑与普通树的编辑完全相同。唯一需要注意的是,我们将使用 SN+1 作为引用字符串创建开放转换(即通向节点的转换)。因此,在迭代 i 时,转换将始终链接到映射子串 (N+1,(i,∞))
c(GST(N)) = Σi=1..N ni
关于algorithm - Ukkonen 的广义后缀树算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28278802/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!