在一组字符串中查找超字符串

Question

我有一个字符串列表，例如：

cargo
cargo pants
cargo pants men buy
cargo pants men
cargo pants men melbourne buy

在此，包含所有剩余字符串的字符串是cargo pants men melbourne buy。我想删除所有较短的字符串，只保留最长的“超级字符串”。

注意，如果cargo pants和cargo shorts存在2个查询，它们将被视为2个不同的查询，不会合并。

到目前为止，我一直在以蛮力的方式执行此操作 - 从集合中选择一个字符串并遍历同一集合，删除所有其他作为当前字符串“子字符串”的字符串。大概，

for (String p: big_set) {
    for (String q: big_set) {
        if (!p.equals(q)) {
            if (has_all_words(p, q)) { /* If all words in 'p' is also in 'q' */
                big_set.remove(p);
                break;
            }
        }
    }
}

是否有一种智能算法可以在少于 O(n^2) 的时间内完成此操作？在此函数中，has_all_words 将在比较时保留单词的顺序。

出于好奇，我有数十亿个搜索查询的庞大列表（例如发送到 Google/Yahoo/Bing 的查询），我正在尝试为这些查询找到上位词。有一个服务器可以解析这个字符串并生成各种有趣的类别。我正在尝试压缩查询列表，以期最小化计算成本和带宽。这种方法肯定会显着减少带宽（因为人类不能一口气想到buy cargo pants melbourne），但预计算成本高得令人望而却步。所以我一直在寻找可以做到这一点的算法，但我还没有遇到任何可以做到这一点的算法。

Answer 1

• 我想你想要的只是删除所有这些子字符串 可以在超级字符串中找到。就像 ["foo bar", "foo baz"] 你必须存储两个字符串。

• 如果我的猜测是正确的，那么您可以在少于 O(n^2) 的时间内实现它。 在从任何短的每个超级字符串开始之前按字母顺序 这样就不会像货物裤子裤子货物男人买这样的情况了

• 首先，根据那里的降序对字符串进行排序
  长度。 然后拿起最长字符串的子字符串（就像我们一样
  从第一个索引迭代并以相反的顺序排序）和
  开始在其余字符串中搜索它。

• 如果找到字符串将其删除，并且一旦搜索并删除 完成只是用下一个子字符串再次迭代 包含最后一个子字符串的相同超级字符串。

• 最后，您将只剩下唯一的字符串（如果 您将 ["foo bar", "foo baz"] 视为唯一字符串。