从稀疏文本数据中挖掘频繁子串的特殊组合
1. FPCS算法概述
FPCS(Finding Peculiar Compositions)算法主要用于从稀疏文本数据中挖掘频繁子串的特殊组合。其核心步骤如下:
1. 构建广义后缀树 :为所有输入字符串构建广义后缀树,树的节点对应给定字符串的子串,称为分支字符串。
2. 统计频率 :同时统计背景集和目标集中分支字符串的频率。
3. 寻找候选组合 :找出目标集中具有对比性的分支字符串,且其存在一个在背景集中具有对比性的祖先节点分支字符串,这样的分支字符串即为特殊组合的候选。
4. 检查条件 :使用后缀链接高效检查候选组合的所有可能划分,判断是否满足特殊组合的条件。
2. 广义后缀树
2.1 后缀树基础
- 后缀定义 :对于字符串 $x \in \Sigma^*$,令 $A = x\$$,其中 $\$$ 是特殊字符,$A_p$ 表示从 $A$ 的第 $p$ 个字符开始的后缀。
- 后缀Trie树 :为 $A$ 的所有后缀按字典序构建的Trie树。
- 后缀树 :将后缀Trie树中只有一个子节点的节点与其父节点合并得到的紧凑Trie树。后缀树的节点数为 $O(N)$,其中 $N$ 是输入字符串的总长度。
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



