如何在4000万字列表中快速搜索
本文关键字:搜索 列表 4000万 | 更新日期: 2023-09-27 17:53:13
如何在包含4000万字的列表中快速搜索?
我需要找到我在继续之前指定的至少包含4个字母的单词。
示例:在列表中有几个单词:
dogging
dopping
baobabisaneviltree
字符串格式的特定字母'odxxini'。我需要从我的字符串中找到包含任何(4+)个字符的任何单词。
结果:dopping
dogging
(因为两个单词都包含'o' 'd' 'i' 'n')我希望我解释得很清楚。英语不好意思。请改正错误。
如果有人对那个问题有任何了解,我很乐意听听。:)我写了这么多(因为这是开始…)这段代码:
private void seeksearcher()
{
double counter = 0, k=0;
double licznik = (double)listwords.Capacity;
char[] letterarray = stringletters.ToCharArray();
foreach(String word in listwords)
{
for(int i=0;i<letterarray.Length;i++)
if(word.Contains(letterarray[i]))
counter++;
if(counter > 4)
textBox2.Text+=word + Environment.NewLine;
}
}
我很确定复杂度现在是n*7n,它是丑陋的大:(
首先,显然没有解决方案比解决方案集的大小更快。如果您恰好有一个匹配字典中每个单词的搜索字符串,那么枚举解决方案集需要枚举字典。
让我们假设每个解集的大小与词典的大小相比都非常小。
我们还假设字典中每个条目的长度都很短;你不会在里面有任何10000个字母的单词或类似的愚蠢的东西。
给定这两个约束条件,最大的问题是是否需要次线性搜索时间?
线性时间算法很简单。例如:
- 将每个词典单词的字符按字母顺序排序。
- 将查询的字符按字母顺序排序
- 对排序字典中的每个单词进行排序查询的序列比较。
也就是说,假设您有字典
STOPPING
POTSHARD
OPTING
DECORATE
和查询TOPSXZ
。按字符排序:OPSTXZ
。现在遍历字典,按字符排序:
STOPPING --> GINOPPST
POTSHARD --> ADHOPRST
OPTING --> GINOPT
DECORATE --> ACDEEORT
现在很容易判断你是否有四个或更多的匹配;你只要在OPSTXZ
和GINOPPST
上运行最长公共子序列算法,就会发现最长公共子序列是OPST
,它有四个字母,所以它是匹配的。OPSTXZ
和ADHOPRST
的最长公共子序列也是OPST
,所以它是匹配的。OPSTXY
和GINOPT
的最长公共子序列是OPT
,只有3个;OPSTXY
和ACDEEORT
的最长公共子序列是OT
,只有2个。
假设单词都很短,我们知道最长公共子序列问题和排序一堆字符问题可以快速解决。你只需要做4000万次,你就完成了。
现在,如果你想要一个次线性解决方案,在这个解决方案中,你要从早期的考虑中消除这4000万个词典单词中的一堆,这将会更难。你需要一个次线性解吗?
有很多方法可以解决这个问题,但是在我看来,您可能必须使用某种索引系统。这些索引占用的内存与单词本身一样多,甚至可能多得多。
例如,您可能有指向所有包含字母d的单词的指针,然后指向所有包含字母o的单词的指针,等等。然后你得到一个更小的列表,你可以更容易地通过找到你的字母的交集来搜索(单词中包含所有你需要的字母)。
当然,这只是打乱了工作,使得它需要大量的处理,而不是在搜索时。
你能提前把单词编入索引吗?我将首先索引单词列表,为每个字符创建一个有序的单词列表:
a: baobabisaneviltree
b: baobabisaneviltree
c:
d: dogging, dopping
e: etc
然后,对于输入字符串中的每个字母,我将收集匹配的单词,将它们放入字典中,并增加每个单词被找到的次数。
dogging: 4
dopping: 4
dapper: 1
然后遍历字典查找大于4的数字。
如果你不能索引,那么你的解决方案是最好的。你必须查看每个单词中的每个字母(O(n*m)),看看给定的字母是否出现在一个单词中,然后你需要检查每个字母。您的解决方案的一个问题是,您将多次向文本框中添加单词,您可能希望将其设置为if(counter == 4)
。
代码乐趣(未测试):
// With 40 million words this can use a lot of space. You would probably
// want to create the index on disk and maybe the intermediate processing
// as well.
var index = wordList.SelectMany(word => word.ToCharArray(),
(word, character) =>
new { word, character})
.ToLookup(x => x.character, x => x.word);
var result = letterArray.Distinct()
.SelectMany(c => index[c])
.GroupBy(word => word)
.Where(word => word.Count() > 4)
.Select(word => word.Key);