快速查找模糊匹配串

[chenzhichao2008]

对两个字符串进行模糊匹配,将得到一个匹配值
比如: abcde与abceb由于有子串abce相同，得到一个较大的匹配值:92%
这个匹配过程平均用时O( ((m+1)*n)/2 )

现在有一个关键字列表，我要在这个表中找一个与指定字符串匹配值最大的关键字，但这个表比较大，因此想问如何调整这个表结构，使得查找速度最快，请给我一点建议就可以了，谢谢

关键字列表
$1
ADDR
ADDRESS
ADICIONAR
ADRESSAGE
ADRESSE
ALOJAMIENTO
ANSCHRIFT
ARRONDISSEMENT
BANLIEUE
.....
$2
.....

[chenhu_doc]

#include "stdio.h"

int next[255];
char pat[]="babcabc";
char str[]="fsoifhewgsdksdkfhsdifhewhfefksdhfdsoihfoehfosdhfdsaacaab";


void getnext(seqstring p,int next[])
{
int i,j;
next[0]=-1;
i=0;
j=-1;
while(i<p.length)
{
if(j==-1||p.str[i]==p.str[j])
{++i;++j;next[i]=j;}
else
j=next[j];
}
for(i=0;i<p.length;i++)
printf("%d",next[i]);
}


void getNext(char pat[], int next[])
{
int i = 0;
int j = 0;
while( pat[i] )
{
if( i == 0)
pat[i] = 0;
else
{
j = 0;
k = i;
while( pat[j] == pat[k])
}
}

int KMP(char *str1, char*pat, int *next)
{
int i=0,j=0;
while(str[i])
{
if(pat[j]==0)
return i-j;
if(j==0 || str[i]==pat[j])
{
++i;
++j;
}else
j=next[j];
}
if(pat[j]==0)
return i-j;
return -1;
}

int main(int argc, char* argv[])
{
int i;
int result;
getNext(pat,next);
result=KMP(str,pat,next);
printf("%s\n",str);
for(i=0;i<result;i++) printf(" ");
printf("%s\n",pat);
printf("at %d\n",result);
return 0;
}
//前几天刚刚贴出去的

[chenzhichao2008]

呵呵,小叶,看来你都是潜水啊
匹配值，主要是跟据公共子串和长度确定的，连续性也有考滤
我想要在表中快速查找匹配值最大的关键字,不是要怎样模糊匹配啊

[chenzhichao2008]

我不是要知道如何查找子串

[chenzhichao2008]

为什么都误会我的意思了

[yuanchuang]

chenzhichao2008(陈智超) ( ) 信誉：95 2006-04-17 18:36:00 得分: 0


是的,再没人来，分就都是你的了，哈哈
------------------------
最主要的我是要C/C++板块的分，这个帖子里的分我无所谓。

你把那个帖子加满，多给点我就行了，嘿嘿

[chenzhichao2008]

下班了，回家看电影去，明天睁天眼的时候希望就能看到答案,大家如果饿了，就先回去吃个饭，洗个澡吧,等会儿会有很多高手出场了,大家免费观看.......

[jp1984]

你倒挺悠闲的!

这个用hash很方便了, 对关键字做个字典序 .
然后按首字binary search,依次进行.

复杂度很低.O(n+n*lgn)

[chenzhichao2008]

如果可以定义两个串的大小,如何定义？

[chenzhichao2008]

按字典顺序排序吗？
目前关键字较多，一个一个查找，速度会很慢的，如果是精确匹配，可以先按字典顺序排序后再二分查找，但对于模糊匹配，如果按字典顺序排序后二分查找，显然是不行的例：
在
abbe
abcd
aced
bcde
cacb
中查找与 aacb最匹配的关键字，当查找到abed时，由于 aacb < abed ，所以要往上找，但这样将错失了cacb这个最优解因此.这样就不能用字典顺序来确定两个串的大小了，要怎么样去定义两个串的大小关系，或者试用别的方法,使得查找范围较小

[chenzhichao2008]

说明一个，表中不一定有完全匹配（100%）的关键字
只是要求匹配最大的关键字
用hash表，
abbe abcd aced bcde cacb
| | | | |
-------------------------
查找与 aacb最匹配的关键字时
要怎么样设置这个hash函数
使它定位到cacb,且aacb也不一定都是aacb
有可能是kacb,accb, aabc,等

我曾想过用hash函数使得查找范围变小,
但是一个原字串abcdefghij，可能被识别为abkdbfghvj,等
这个hash值范围可能很大，那样就达不到缩小查找范围的目的了

[xzhunter]

TO:chenzhichao2008(陈智超)

有意思。。。

不过用hash完全定位不大可能

1，正如你说的，可能有不完全匹配的，这样就不好弄了，如何hash算法不是线性的，你是没法知道范围的

2，使用hash最大的缺点还不是1，而是内存消耗，内存消耗，比其他结构多好几倍。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
不过可以先用部分的hash匹配，然后再结合传统的字符匹配算法。

[chenzhichao2008]

天黑了，星星快点出来啊

[jseeker]

问题中似乎限制了匹配算法,在这种情况下除了遍历实在不知道还有什么办法

[kirc]

我觉得这与你的匹配值算法有很大关系.

你的匹配值算法是什么??

aacb <-> cacb
aacb <-> aacc
哪个匹配值更高?

[kirc]

BTW:如果你的数据是等长的话,我觉得可以用hash.

[chenzhichao2008]

aacb <-> aacc较高





方法,我现在已经想到了,谢谢你们的参与,今天有空就结帖

[ywchen2000]

能把方法写出来吗？？？

[yuanchuang]

chenzhichao2008(陈智超) ( ) 信誉：95 2006-04-20 08:36:00 得分: 0


aacb <-> aacc较高





方法,我现在已经想到了,谢谢你们的参与,今天有空就结帖
---------------------
别忘了你说，多给点C++板块的分给我啊！

[yuanchuang]

chenzhichao2008(陈智超) ( ) 信誉：95 2006-04-20 08:36:00 得分: 0


aacb <-> aacc较高





方法,我现在已经想到了,谢谢你们的参与,今天有空就结帖
---------------------
别忘了你说，多给点C++板块的分给我啊！

[chenzhichao2008]

好的，元创，这里分给你少些，那边给你多些