重复有序序列搜索算法答案

【问题标题】：Repeated ordered sequence search algorithm重复有序序列搜索算法
【发布时间】：2015-09-09 14:03:11
【问题描述】：

我有大量有序的符号序列，数百万个符号。我必须找到重复的有序子序列，这样：

非必要条件：

字母表由数千个符号组成。

您能否为此类任务推荐知名且经过充分研究的算法？

【问题讨论】：

符号是如何排序的？
你有多少基本模式？
@igael，未定义。
@user3360241，顺序不是随机的，也不是排序的。
一些例子会有所帮助。例如，如果您有序列“abcdefgh abcxefgh ”，您会认为abcxefgh 是abcdefgh 的重复吗？毕竟，x 可以被认为是噪音。 abcefgh 会被视为重复吗？只是缺少一个符号。您要查找的重复子序列有多长？您愿意容忍多少百分比的缺失符号或噪音？

【解决方案1】：

您可以尝试 aho-corasick 多重模式匹配并使用通配符来搜索子字符串。对于子序列，您还需要列文斯坦距离。您可以在https://phpahocorasick.codeplex.com 尝试我在 PHP 中使用通配符实现 aho-corasick 算法。

【讨论】：

但他正在寻找序列中的重复子序列。他没有在序列中搜索所有出现的用户输入模式。为此使用 Aho-Corasick 算法将需要二次时间。也就是说，给定序列“abcdq9abxcdabcd”，他必须搜索“a”，然后搜索“ab”，然后搜索“abc”，然后搜索“bc”，等等。这甚至没有考虑到模糊模式匹配需要满足他的第二个要求。