2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、IIIIIIIIIIIIIIIIIqlllllllllllllllUlllllllllllllY3215537嚳縋狄謦確十學(xué)Fiij舍‘、≯‘~oJt’’相似字符串查找算法研究ResearchorltheaIgorithmsforstringSimiIaritysearch學(xué)號姓名學(xué)位類別學(xué)科專業(yè)(工程領(lǐng)域)指導(dǎo)教師完成時(shí)間答辯委員會(huì)主席簽名密級保密期限黃厚柱工學(xué)碩士計(jì)算機(jī)應(yīng)用技術(shù)劉慧婷副教授2017年3月壑壘14/摘要相似字符串查找在

2、現(xiàn)實(shí)生活中的應(yīng)用非常廣泛,例如相似網(wǎng)頁檢測、數(shù)據(jù)清洗、電商網(wǎng)站的推薦功能、蛋白質(zhì)功能預(yù)測等。相似字符串查找多是用一個(gè)給定的相似性函數(shù)來判斷兩個(gè)字符串是否相似。相似性函數(shù)有多種,例如漢明距離、編輯距離、余弦度量以及杰卡德度量等,其中使用較為廣泛的為編輯距離。目前,基于相似性函數(shù)的相似字符串查找的研究可分為三類,即基于閾值的相似字符串查找、topk相似字符串查找和相似字符串連接。然而隨著用戶需求的不斷變化,基于相似性函數(shù)的相似字符串查找已不

3、能很好地滿足用戶需求,于是帶通配符的字符串查找逐漸被研究者們重視起來。本文主要研究了三種類型的相似字符串查找問題,即基于閾值的相似字符串查找、topk相似字符串查找及帶通配符的字符串查找。在基于閾值的相似字符串查找問題方面,目前處理該類問題的算法多是基于過濾一一驗(yàn)證框架的。本文基于該框架提出了PBsearch算法,并且分別在過濾和驗(yàn)證階段對該算法進(jìn)行了優(yōu)化。在過濾階段使用了長度過濾、數(shù)量過濾和位置過濾,并且首次加入OneOff條件過濾掉

4、大量的無效匹配;在驗(yàn)證階段提出了一種新的驗(yàn)證算法——MultiThreshold算法,有效地減少了計(jì)算編輯距離的次數(shù)。在topk相似字符串查找問題方面,提出了兩種基于分割思想的算法一一Pbtopk算法和PbCounttopk算法。其中,Pbtopk算法采用差值遞增的策略,減少了需要處理的字符串?dāng)?shù)目;PbCounttopk算法采用匹配數(shù)目劃分的策略,進(jìn)一步縮小了候選集的規(guī)模。在帶通配符的字符串查找問題方面,研究了帶“”和“糊’兩種通配符的

5、字符串查找問題。雖然Patriciatrie索引結(jié)構(gòu)具有高效的前綴共享性,然而在查詢效率上仍有待提高。本文提出了基于Patriciatrie結(jié)構(gòu)的改進(jìn)結(jié)構(gòu)——wtrie結(jié)構(gòu),提高了Patriciatrie結(jié)構(gòu)的查詢效率。該結(jié)構(gòu)在內(nèi)節(jié)點(diǎn)處多了一個(gè)通配符分支,給定一個(gè)通配符約束k,Wtrie每一個(gè)內(nèi)節(jié)點(diǎn)消耗一個(gè)通配符,直到從根節(jié)點(diǎn)到當(dāng)前節(jié)點(diǎn)的分支上已經(jīng)滿足通配符約束k。最后基于該結(jié)構(gòu)提出了帶通配符的字符串查找算法,并在查找過程中加入長度過濾

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論