Optimal Space and Time for Streaming Pattern Matching
在这项工作中,我们研究了最长公共子串,模式匹配,并在非对称流模型的最长模式匹配。在这个流模型中,我们对一个字符串进行随机访问,对另一个字符串进行流访问。我们提出了流算法与可证明的保证,这三个基本问题。特别是,我们的算法模式匹配提高了上界和击败随机和确定性流算法的内存上的无条件下限。除此之外,我们提出了在非对称流模型中具有最佳空间和时间的双模式匹配算法。
2021-07-09 cs.DS
Enhanced Graph Pattern Matching
本文研究图模式匹配的计算复杂度,通过为任意图引入最长公共前缀(LCP)数组概念,证明了在图上计算匹配统计量与解决标准模式匹配查询同样困难,从而将字符串领域的结论推广到图结构。
2024-02-25 cs.DS
Fast Multiple Pattern Cartesian Tree Matching
笛卡尔树匹配是在给定文本中找到所有与给定模式具有相同笛卡尔树的子串的问题。在本文中,我们处理笛卡尔树匹配的情况下,多个模式。我们提出了两种指纹识别方法,即,父母距离编码和二进制编码。通过将一种有效的指纹方法与传统的多串匹配算法相结合,可以有效地解决多模式笛卡尔树匹配问题。提出了三种实用的多模式笛卡尔树匹配算法,分别基于Wu-Manber算法、Rabin-Karp算法和Alpha Skip Search算法。在实验中,我们将我们的解决方案与之前的算法进行比较[18]。我们的解决方案运行速度比以前的算法作为模式长度的增加。特别是,我们的算法基于Wu-Manber运行速度高达33倍。
2019-11-05 cs.DS
Multi-view pattern matching
我们介绍了\textit{multi-view pattern matching}问题,其中一个文本可以有多个视图。每个视图都是一个相同大小的字符串,并从不相交的字母表中绘制。该模式是从所有字母的并集中提取的。我们提出的算法是一个扩展的Horspool算法,并在我们的实验合成数据,它显示了一个$3 \times$改善天真的基线。
2016-07-18 cs.DS
Tying up the loose ends in fully LZW-compressed pattern matching
我们考虑经典模式匹配问题的自然推广:给定模式p[1]的压缩表示,M]和文本t[1. N]的大小分别为m和n,p是否出现在t中?我们开发了一个最佳的线性时间解决方案的情况下,p和t都使用LZW方法压缩。这改善了以前已知的O((n+m)log(n +m))时间解决方案的Gasieniec和Rytter,并基本上关闭线的研究致力于研究LZW压缩的精确模式匹配。
2011-09-19 cs.DS
Cross-Document Pattern Matching
我们研究了一个新的变种的字符串匹配问题称为跨文档字符串匹配,这是一个问题的索引的文档集合,以支持一个有效的搜索模式在选定的文档,其中模式本身是另一个文件的子串。这个问题的几个变种被认为是,和高效的线性空间的解决方案,提出了查询时间的界限,要么不依赖于在所有的模式大小或依赖于它在一个非常有限的方式(双对数)。作为一个副作用,我们提出了一个改进的解决方案,加权水平的祖先问题。
2012-02-18 cs.DS
A Fast String Matching Algorithm Based on Lowlight Characters in the Pattern
提出了一种新的字符串匹配算法,该算法不从模式的左端或右端进行匹配,而是从一个特定的位置进行匹配。与Knuth-Morris-Pratt算法和Boyer-Moore算法相比,新算法在选择比较起始位置时更加灵活。该选项确实节省了成本。
2014-01-28 cs.DS
Cartesian Tree Matching and Indexing
我们引入了一个新的匹配度量,称为笛卡尔树匹配,这意味着如果两个字符串具有相同的笛卡尔树,则它们匹配。在笛卡尔树匹配的基础上,我们定义了一个长度为n的文本和一个长度为m的模式的单模式匹配,以及一个长度为n的文本和k个总长度为m的模式的多模式匹配。对于单模式匹配,我们给出了一个O(n+m)时间的算法;对于多个模式匹配,我们给出了一个O((n+m)log k)确定时间或O(n+m)随机时间的算法。我们还定义了一种称为笛卡尔后缀树的索引数据结构,并给出了一个O(n)的随机时间算法来建立笛卡尔后缀树。我们的笛卡尔树匹配的高效算法使用笛卡尔树的表示,称为父距离表示。
2019-05-22 cs.DS
New Variants of Pattern Matching with Constants and Variables
给定一个文本和一个模式,在两种类型的符号上,称为常量和变量,参数化模式匹配问题是通过用文本中的一个变量替换模式中的每个变量来找到模式匹配的文本的子串的所有出现,其中替换应该是单射的。函数匹配问题是它的一个变体,它解除了注入约束。在本文中,我们将讨论这些问题的变体,其中可以用一个常数或一个变量来代替模式的每个变量。我们给出了两种算法,基于卷积的方法和扩展的基于KMP的方法,并分析了它们的复杂性。
2017-05-26 cs.DS
Compressed Pattern-Matching with Ranked Variables in Zimin Words
自敏词是一种非常特殊的限定词,它与模式可避性问题密切相关。这个问题在于测试是否一个给定的模式与变量的实例出现在几乎所有的话在任何有限的字母表。这个问题还没有得到很好的理解,没有多项式时间算法是已知的,它的NP-难也是未知的。模式可避免性问题等价于在一个自敏词中搜索一个模式(带有变量)。主要的困难是潜在的指数大小的自敏词。我们使用的特殊属性的字,特别是他们是高度可压缩的,设计有效的算法的特殊版本的模式匹配,这里称为排名匹配。在压缩环境下给出了Zimin算法的一种新的解释。我们讨论了结构的变量和压缩表示的变量值的排名。此外,对于排名匹配,我们提出了有效的算法来找到最短的实例和模式的实例的估值的数量。
2013-07-05 cs.DS
Duel and sweep algorithm for order-preserving pattern matching
给定文本$T$和字母表$Σ$上的模式$P$,经典的精确匹配问题搜索文本$T$中模式$P$的所有出现。与精确匹配问题不同,保序模式匹配(OPPM)考虑的是元素的相对顺序,而不是它们的真实值。在本文中,我们提出了一个有效的算法OPPM问题使用的“双扫描”范式。我们的算法运行在$O(n + m\log m)$时间一般和$O(n + m)$时间的假设下,字符串中的字符可以排序在线性时间的字符串大小。我们还进行了实验,并表明我们的算法是基于KMP的算法更快。最后,我们介绍了二维保序模式匹配,并给出了一种双扫描算法,该算法在双阶段运行于$O(n^2)$时间内,在扫描时间运行于$O(n^2 m)$时间内,并带有$O(m^3)$预处理时间。
2017-05-26 cs.DS
Pattern Matching in Multiple Streams
我们研究了多个数据流中的确定性模式匹配问题。在这个模型中,一个符号一次到达,并与s个流文本之一相关联。每个时间步的任务是报告长度为m的固定模式和新更新的流之间是否存在新的匹配。与流媒体环境中的常见情况一样,目标是使用尽可能少的空间,同时仍然快速报告匹配。对于三个不同的模式匹配问题,我们给出了几乎匹配的上、下空间界。对于精确匹配,我们表明,这个问题可以解决在恒定的时间每个到达符号和O(m+s)字的空间。对于k-失配和k-差问题,我们给出了O(k)时间的解决方案,需要O(m+ks)字的空间。在所有这三种情况下,我们也给空间下界表明我们的方法是最佳的一个对数因子。最后,我们提出了一些开放的问题,这个新的模式匹配模型。
2012-04-25 cs.DS
Multiple pattern matching revisited
我们考虑经典的多字符串精确匹配问题。我们的解决方案是基于$q$ -gram结合模式叠加,位并行和字母大小的减少。我们讨论了如何实现最佳组合的各种替代方案的利弊。我们的方法与Salmela等人的先前工作密切相关,2006年)。实验结果表明,我们的方法表现良好,不同的字母大小,他们规模大的模式集。
2014-05-22 cs.DS
Pattern matching in Lempel-Ziv compressed strings: fast, simple, and deterministic
Lempel-Ziv压缩的无数变体广泛用于许多实际应用中。这篇论文关注的是经典的模式匹配问题的一个自然的修改,这是受到这种压缩方法的流行的启发:给定一个未压缩的模式s [1]。m]和字符串t [1.. n],s在t中发生吗?Farach和Thorup给出了这个问题的随机化O(nlog^2(N/n)+m)时间解,其中n是t的压缩表示的大小。我们改进了他们的结果,开发了一个更快的和完全确定的O(nlog(N/n)+m)时间算法具有相同的空间复杂度。请注意,对于高度可压缩的文本,log(N/n)可能是n阶,因此对于此类输入,改进非常显著。我们的方法的一个(微小的)片段可以用来给出Farach和Muthukrishnan考虑的子串哈希问题的渐近最优解。
2011-04-21 cs.DS
Order-preserving pattern matching with k mismatches
我们研究了最近引入的保序模式匹配的推广,而不是寻找一个精确的副本的模式,我们只需要元素之间的相对顺序是相同的。在我们的变体中,我们还允许模式和文本之间最多有k个不匹配,目标是为小k值构建一个有效的算法。对于长度为m的模式和长度为n的文本,我们的算法在O(n(loglogm + kloglogk))的时间内检测到一个顺序保持出现k个不匹配。
2014-03-05 cs.DS
Efficient Algorithms for the Order Preserving Pattern Matching Problem
给定一个长度为m的模式x和一个长度为n的文本y,两者都在一个有序的字母表上,保序模式匹配问题在于找到文本的所有子串,这些子串具有与模式相同的相对顺序。它是近年来受到关注的著名的精确模式匹配问题的近似变体。这个有趣的问题在很多领域都有应用,如时间序列分析,如股票市场的股票价格,天气数据分析或音乐旋律匹配。在本文中,我们提出了两个新的过滤方法,在实践中比以前提出的方法更有效。从我们的实验结果来看,我们提出的解决方案比以前的解决方案快2倍,减少了高达99%的误报率。
2015-01-16 cs.DS
Pattern Matching on Grammar-Compressed Strings in Linear Time
文本处理算法中考虑的最基本问题是模式匹配:给定长度为$m$的模式$p$和长度为$n$的文本$t$,$p$是否出现在$t$中?这个基本问题的多个版本已经被考虑过了,现在我们知道在实践和理论上都很快的算法。然而,生成和存储的数据量的快速增长带来了设计直接对数据的压缩表示进行操作的算法的需求。在压缩模式匹配问题中,我们给出文本的压缩表示,其中$n$是压缩表示的长度,$N$是文本的长度,以及长度为$m$的未压缩模式。最具挑战性的(但在处理高度重复的数据时也是相关的,比如生物信息)场景是当所选择的压缩方法能够描述指数长度的字符串时(在其表示的大小上)。这种压缩方法的一种优雅的形式是直线程序,它只是描述一个字符串的上下文无关文法。虽然已经知道对于这种压缩方法,压缩的模式匹配问题可以在$O(m+n\log N)$时间内解决,但是设计线性时间算法仍然是开放的。我们解决这个悬而未决的问题,提出了一个$O(n+m)$时间算法,给定一个上下文无关文法大小$n$,产生一个单一的字符串$t$和模式$p$的长度$m$,决定是否$p$出现在$t$作为一个子串。为此,我们设计改进的解决方案的加权祖先问题和子串连接问题。
2021-11-09 cs.DS
A Simple Streaming Bit-parallel Algorithm for Swap Pattern Matching
交换的模式匹配问题是在允许模式交换相邻符号的同时找到文本中出现的所有模式。我们的目标是设计快速匹配算法,利用按位机器指令的位并行性,只有流访问的输入。我们引入了一种新的方法来解决这个问题的图论模型的基础上,并比较其性能,以前已知的算法。我们还表明,使用确定性有限自动机的方法不能实现类似的高效算法。此外,我们描述了一个致命的缺陷,在一些以前发表的算法基于同一模型。最后,我们提供了我们的算法在真实世界的数据的实验评估。
2018-09-25 cs.DS
Designing optimal- and fast-on-average pattern matching algorithms
给定模式$w$和文本$t$,关于$w$的$t$上的模式匹配算法的速度是$t$的长度与为了将$w$搜索到$t$中而执行的文本访问的数量的比率。首先,我们提出了一个通用的方法来计算的极限的模式匹配算法,关于$w$,在iid文本的预期速度。接下来,我们将展示如何确定最大的速度,可以实现一个大类的算法,连同运行此速度的算法。由于这一决定的复杂性使得它不可能处理模式的长度大于4,我们提出了多项式启发式。最后,我们的方法进行了比较与9个预先存在的模式匹配算法从理论和实践的角度来看,即无论是在IID文本的限制预期速度,并在实际数据上观察到的平均速度。在所有情况下,预先存在的算法都优于。
2016-11-25 cs.DS
Linear Compressed Pattern Matching for Polynomial Rewriting (Extended Abstract)
本文是一个扩展的抽象分析的长期重写的重写规则中的条款,以及长期重写压缩的单例树文法(STG)。这种形式的压缩比节点共享或将项表示为dag更一般,因为部分树(上下文)也可以在压缩中共享。在第一部分中,高效,但复杂的算法检测适用性的重写规则下STG压缩构造和分析。第二部分将这些结果应用于项重写序列。子匹配的主要结果是,找到一个左线性规则的redex可以在多项式时间STG压缩下执行。重写和(单位置或并行)重写步骤的主要含义是:(i)在STG压缩下,n个重写步骤可以在非确定性多项式时间内执行。(ii)在STG压缩下,对于左线性重写规则,可以在多项式时间内执行n个重写步骤的序列,以及(iii)对于压缩重写规则,其中左手侧或者是DAG压缩的,或者是地面和STG压缩的,以及STG压缩的目标项,可以在多项式时间内执行n个重写步骤。
2013-02-26 cs.DS cs.LO
Linear-size CDAWG: new repetition-aware indexing and grammar compression
在本文中,我们提出了一种新的方法,结合\emph{compact directed acyclic word graphs}(CDAWGs)和基于语法的压缩。这使我们得到一种高效的自索引,称为线性大小CDAWG(L-CDAWG),它可以用$O(\tilde e_T \log n)$位空间表示,允许对边缘标签进行$O(\log n)$ -时间随机访问和$O(1)$ -时间顺序访问,以及$O(m \log σ+ occ)$ -时间模式匹配。这里,$\tilde e_T$是$T$中最大重复的所有延伸的数目,$n$和$m$分别是文本$T$和给定模式的长度,$σ$是字母大小,$occ$是$T$中模式的出现次数。对于高度重复的文本,已知重复性度量$\tilde e_T$远小于文本长度$n$。对于常数字母表,我们的L-CDAWG实现$O(m + occ)$模式匹配时间与$O(e_T^r \log n)$位的空间,这提高了模式匹配时间Belazzougui等人。的游程长度BWT-CDAWG的系数为$\log \log n$,具有相同的空间复杂度。这里,$e_T^r$是$T$中最大重复的右延伸的数目。作为一个副产品,我们的结果给出了一种方法来构建一个SLP的大小$O(\tilde e_T)$为一个给定的文本$T$在$O(n + \tilde e_T \log σ)$时间。
2017-07-27 cs.DS
Fast Set Intersection and Two Patterns Matching
在本文中,我们提出了一个新的问题,快速集合相交问题,这是预处理集合,以有效地报告集合中的任何两个集合的交集。此外,我们提出了新的解决方案的二维子串索引问题和文件列表问题的两个模式减少到快速集相交问题。
2010-03-11 cs.DS
Indexes for Jumbled Pattern Matching in Strings, Trees and Graphs
我们考虑如何索引字符串,树和图的混乱模式匹配时,我们被要求返回一个匹配,如果存在。例如,我们展示了如何给定一棵包含两种颜色的树,我们可以构建一个二次空间索引,通过它我们可以在时间上找到与匹配大小成比例的匹配。我们还展示了如果我们满足于近似匹配,我们只需要线性空间。
2013-04-19 cs.DS
Optimal trade-offs for pattern matching with $k$ mismatches
给定长度为$m$的模式和长度为$n$的文本,$k$失配模式匹配的目标是为文本的每个$m$子串计算到模式的精确汉明距离,或者报告它超过$k$。这可以在Amir等人[J. Algorithms 2004]所示的$\widetilde{O}(n \sqrt{k})$时间或Clifford等人[SODA 2016]的结果导致的$\widetilde{O}((m + k^2) \cdot n/m)$时间中求解。我们提供了一个平滑的时间权衡这两个界限,通过设计一个算法的工作时间$\widetilde{O}( (m + k \sqrt{m}) \cdot n/m)$。我们补充这一匹配的条件下界,表明一个显着更快的组合算法是不可能的,除非组合矩阵乘法猜想失败。
2017-04-05 cs.DS
A family of fast exact pattern matching algorithms
描述了一类基于比较的精确模式匹配算法。它们利用多维数组,以便在搜索周期的每次迭代中处理多个相邻的文本窗口。这种方法以空间为代价降低了平均时间复杂度。这一系列的算法表现良好的短模式和中等大小的字母。在这种情况下,窗口的几个模式的长度一次移动是很有可能的,这是算法成功的主要因素。我们的算法优于Boyer-Moore-Horspool算法,无论是在原始版本中还是在星期天的快速搜索修改中,在一个宽的图案长度-字母表大小的平面区域中。在某些子区域,所提出的算法是所有已知的精确模式匹配算法中最快的。也就是说,当字母大小为约30-40并且模式长度为约4-10时,它们表现最好。这样的参数对于在自然语言文本数据库中的搜索是典型的。
2016-08-30 cs.DS
On the Practical Power of Automata in Pattern Matching
经典的模式匹配范例是寻找一个字符串(模式)在另一个字符串(文本)中的出现,其中两个字符串都是从字母表集$Σ$中提取的。假设文本长度为$n$,模式长度为$m$,这个问题可以简单地在时间上解决$O(nm)$。在克努特、莫里斯和普拉特1977年的开创性论文中,开发了一种自动机,它允许对任何字母表及时解决这个问题$O(n)$。这个自动机,我们称之为{ \em KMP-自动机},已经证明在解决许多其他问题时是有用的。一个值得注意的例子是{ \em参数化模式匹配}模型。在此模型中,在匹配中允许对来自$Σ$的符号进行一致的重命名。参数化匹配范例已被证明在软件工程、计算机视觉和其他应用中的问题中是有用的。长期以来,人们一直怀疑,对于符号是均匀随机的文本,朴素算法将执行KMP算法。在本文中,我们研究的实际效率KMP算法与天真的算法上随机生成的文本。我们分析了各种参数下的时间,如字母表的大小,模式的长度,和模式出现在文本中的分布。我们这样做的原始精确匹配问题和参数化匹配。虽然这些发现证明了民间智慧对于精确匹配的情况是正确的,但令人惊讶的是,KMP算法在参数化匹配情况下的工作速度明显快于朴素算法。我们在DNA文本中检验了这一假设,并观察到与随机文本相似的行为。我们还展示了一个非常结构化的情况下,自动机是更有效的。
2022-07-17 cs.DS
On string matching with k mismatches
在本文中,我们考虑几个变种的模式匹配问题。特别地,我们研究了以下问题:1)具有k个失配的模式匹配; 2)失配的近似计数;以及3)具有失配的模式匹配。使用的距离度量是汉明距离。我们提出了一些新的算法和技术来解决这些问题。提供了确定性算法和随机算法。这些问题的变体,其中可能有通配符的文本或模式或两者都被认为是。这些算法的实验评估。源代码可在http://www.engr.uconn.edu/~man09004/kmis.zip上获得。
2013-07-04 cs.DS
Quantum jumbled pattern matching
设$S_1, S_2 \in Σ^*$字符串,如果它们是彼此的排列,我们称之为$S_1$ { \em jumble match} $S_2$。给定一个大小为$N$的文本$T$和一个字符串$S \in Σ^*$,\emph{Jumbled Pattern Matching}(JPM)的问题是确定$T$中的所有子字符串是否与$S$相匹配。在经典计算中,一个普遍的猜测是JPM需要$Ω(N^{2-ε})$预处理时间和空间用于$O(1)$查询时间,或者在线版本中的$Ω(N^{1-δ})$查询时间,使用$ε, δ>0$。本文提出了一种在$O(\sqrt{N})$时间上求解在线联合概率模型的量子算法。
2022-03-01 cs.DS
Order preserving pattern matching on trees and DAGs
保序模式匹配(OPPM)问题是,给定一个模式串$p$和一个文本串$t$,找出$t$中与$p$具有相同相对顺序的所有子串.在本文中,我们考虑两个变种的OPPM问题,一组文本字符串作为一棵树或DAG。我们表明,OPPM问题的长度$m$和文本树$T$的大小$N$的单一模式$p$可以解决在$O(m+N)$时间,如果字符的$p$是从一个整数字母的多项式大小。如果模式$p$在一般有序字母表上,则时间复杂度变为$O(m \log m + N)$。然后,我们表明,OPPM问题的一个单一的模式和文本DAG是NP完全的。
2017-07-25 cs.DS
Fast Circular Pattern Matching
精确循环模式匹配(ECPM)问题包括报告文本$T$中模式$P$的每次旋转。在许多现实世界的应用中,特别是在计算生物学中,圆旋转是感兴趣的,因为它们在病毒DNA中的突出性。因此,在没有预处理时间限制的情况下,所有这些圆形旋转发生的速度对许多研究领域都很有意义。我们强调,尽我们所知,一种新的方法来解决ECPM问题,并提出了四个数据结构,伴随着这种方法,每个都有自己的时间-空间权衡,除了实验结果,以确定最计算可行的数据结构。
2022-04-20 cs.DS
Efficient Parameterized Pattern Matching in Sublinear Space
本文针对参数化模式匹配问题,分析参数化字符串的周期性,将 Galil-Seiferas 精确匹配算法推广至参数化匹配,实现亚线性额外空间的高效算法。
2023-06-19 cs.DS
Space Lower Bounds for Online Pattern Matching
我们提出了在线模式匹配的空间下界下的一些不同的距离措施。给定一个长度为m的模式和一个每次到达一个字符的文本,在线模式匹配问题是在新字符到达时立即报告模式和文本的滑动窗口之间的距离。我们要求在每个位置上以恒定的概率给出正确的答案。我们给出了L_1、L_2、L_ \infty、Hamming、编辑和交换距离以及计算互相关/卷积的任何算法的Omega(m)比特空间下界。然后,我们展示了距离函数之间的二分法,具有通配符般的属性和那些没有。在前一种情况下,其中包括,作为一个例子,模式匹配与字符类,我们给欧米茄(m)位空间下界。对于其他距离函数,我们证明了存在Omega(log m)和O(log^2 m)位的空间界。最后,我们讨论了非二进制输入的空间下界,并展示了如何在某些情况下,他们可以得到改善。
2011-06-22 cs.DS
Fuzzy Pattern Matching in Ordered Structures
American University of Armenia(亚美尼亚美国大学)
本文针对模糊模式匹配问题,提出泛化KMP算法前缀函数概念的轨迹,构建统一框架,分别解决序列与偏序结构中的模糊模式匹配问题。
2026-09-02 cs.DS
Optimal-Hash Exact String Matching Algorithms
字符串匹配是在文本中找到所有出现的模式的问题。我们提出了改进的版本的快速系列的字符串匹配算法的基础上哈希$q$ -gram。该改进包括考虑最小值$q$,使得模式的每个$q$ -gram具有唯一的散列值。新算法是最快的比算法的HASH家庭的短模式大尺寸的字母。
2023-03-10 cs.DS
The Complexity of Approximate Pattern Matching on De Bruijn Graphs
将序列与标记图中的行走对齐是计算生物学中一个非常重要的问题。为了在具有$|E|$边的任意图中找到与长度$m$的模式精确匹配的行走,基于强指数时间假设(SETH)的下限意味着明显快于$O(|E|m)$时间的算法是不可能的[Equi等人,ICALP 2019]。然而,对于许多特殊的图,例如de Bruijn图,该问题可以在线性时间内解决[Bowe等人,WABI 2012年]。对于近似匹配,图片更复杂。当只允许对模式进行编辑(替换、插入和删除)时,或者当图是非循环的时,问题也可以在$O(|E|m)$时间内解决。当允许对任意循环图进行编辑时,即使在二进制字母表上,问题也变成NP完全[Jain等人,RECOMB 2019]。即使编辑仅限于替换,这些结果也保持不变。de Bruijn图上的近似模式匹配的复杂性仍然是开放的。我们调查这个问题,并表明,使德Bruijn图服从高效的精确模式匹配的属性不扩展到近似匹配,即使仅限于替换的情况下,字母表大小为4。我们证明了,当允许对de Bruijn图进行替换时,判定图中匹配行走的存在性是NP-完全的。此外,我们证明了一个算法显着快于$O(|E|m)$是不可能的de Bruijn图的情况下,只允许替换的模式。这与模式到文本匹配相反,在模式到文本匹配中,精确匹配在线性时间内可解,如de Bruijn图,但替换下的近似匹配在次二次$O(n\sqrt{m})$时…
2022-01-28 cs.DS
Parallel algorithm for pattern matching problems under substring consistent equivalence relations
给定一个文本和一个字母表上的模式,模式匹配问题搜索该模式在文本中的所有出现。等价关系$\approx$称为子串一致等价关系(SCER),如果对于两个字符串$X$和$Y$,$X \approx Y$意味着所有$1 \le i \le j \le |X|$的$|X| = |Y|$和$X[i:j] \approx Y[i:j]$。在本文中,我们提出了一个有效的并行算法的模式匹配下的任何SCER使用“双扫描”的范例。对于长度为$m$的模式和长度为$n$的文本,我们的算法在$O(ξ_m^\mathrm{t} \log^2 m)$时间和$O(ξ_m^\mathrm{w} \cdot n \log^2 m)$工作中运行,在优先并发读并发写并行随机存取机(P-CRCW PRAM)上进行$O(τ_n^\mathrm{t} + ξ_m^\mathrm{t} \log^2 m)$时间和$O(τ_n^\mathrm{w} + ξ_m^\mathrm{w} \cdot m \log^2 m)$工作预处理。
2022-07-27 cs.DS
Cutting Stock with Binary Patterns: Arc-flow Formulation with Graph Compression
二进制模式下料问题(0-1 CSP)是CSP的一个变种,通常表现为二维和三维包装问题的松弛。我们提出了一个精确的方法,弧流制定与侧约束的基础上,简单地表示在一个非常紧凑的图中的所有模式,解决0-1 CSP。Gilmore-Gomory列生成方法通常用于计算0-1 CSP的强下界。我们报告的电弧流的方法和吉尔摩-Gomory的方法之间的计算比较。
2015-02-10 cs.DS math.OC
On the Average-case Complexity of Pattern Matching with Wildcards
使用通配符的模式匹配是找到长度为$n$的文本$t$的与长度为$m$的模式$x$匹配的所有因子的问题,其中可能存在通配符(匹配所有内容的字符)。在本文中,我们提出了一些快速的平均情况下的模式匹配的通配符被限制在模式或文本的算法,然而,结果很容易适应的情况下,通配符都是允许的。我们分析了这些算法的\textit{average-case}复杂度,并给出了第一个非平凡时间界。这些是第一个结果的平均情况下的复杂性模式匹配与通配符,作为一个产品,提供了第一个可证明的分离之间的复杂性精确模式匹配和模式匹配与通配符在字RAM模型。
2016-01-14 cs.CC cs.DS
A Myhill-Nerode Theorem for Generalized Automata, with Applications to Pattern Matching and Compression
University of Helsinki(赫尔辛基大学)
本文提出广义自动机的Myhill-Nerode定理,解释了其非唯一性,并展示其在模式匹配和数据压缩中的应用,通过Wheeler广义自动机实现高效存储与查询。
2026-09-22 cs.DS cs.FL cs.LO
Quantum pattern matching Oracle construction
我们提出了几种用于量子模式匹配的预言机构造方法。我们反过来表明,可以使用的Grover的搜索算法的精确和部分模式匹配,确定性的构造之一。另一个也指向匹配的索引,但主要提供了一种以概率方式生成要搜索的模式与输入字符串中所有可能的子串之间的汉明距离的方法。
2020-05-06 cs.DS quant-ph
Extension of Dictionary-Based Compression Algorithms for the Quantitative Visualization of Patterns from Log Files
本研究扩展了基于字典的压缩算法,在日志文件压缩过程中同步检测频繁模式,并基于频率、长度和根前缀等度量实现模式的定量可视化,帮助分析师高效获取洞察,免去人工预处理和繁重的手动检查。
2023-04-10 cs.DS cs.HC cs.IR
Linear Approximate Pattern Matching Algorithm
模式匹配是几乎所有科学领域的基本过程。这个问题涉及到在一个参考数据流(通常是很长的)中找到一个给定模式(通常是很短的)的位置。匹配可以是精确的或近似的(不精确的)。精确匹配是在不允许模式中的一个或多个字符的不匹配(或插入和删除)的情况下搜索模式,而近似匹配则相反。为了精确匹配,可以在线性时间和空间中构建的几种数据结构被使用,并且现在在实践中。对于近似匹配,为解决该匹配而提出的解决方案是非线性的并且目前是不切实际的。在本文中,我们设计并实现了一个结构,可以内置的线性时间和空间($O(n)$),并解决了近似匹配问题的$O(m + \frac {log_2n {(log_Σn)} ^{k+1}}{k!} + occ)$搜索成本,其中$m$是模式的长度,$n$是引用的长度,和$k$是容忍的不匹配(和插入和删除)的数量。
2022-06-30 cs.DB cs.DS
Matching Patterns with Variables Under Simon's Congruence
该文研究 Simon 同余下带变量的模式匹配问题,并系统刻画其计算复杂性。
2023-08-16 cs.DS cs.FL
Round Compression for Parallel Matching Algorithms
十多年来,我们见证了{ \em massive parallel computation}(MPC)框架的成功,例如MapReduce、Hadoop、Dryad或Spark。他们成功的原因之一是这些框架能够准确地捕捉大规模计算的本质。特别是,与经典的分布式算法或PRAM模型相比,这些框架允许更多的本地计算。在这种情况下出现的基本问题是:我们能否利用这种额外的能力来获得更快的并行算法?这里一个突出的例子是{ \em最大匹配}问题-最经典的图问题之一。众所周知,在PRAM模型中,可以在$O(\log{n})$轮中计算2-近似最大匹配。然而,在MPC框架中这个问题的确切复杂性仍然远未被理解。Lattanzi等人证明,如果每台机器都有$n^{1+Ω(1)}$内存,这个问题也可以用$2$来解决--大约在一个常数轮数内。这些技术,以及在后续工作中开发的方法,似乎一旦我们进入近线性记忆状态,就会在基本上停留在大约$O(\log{n})$轮。因此,在这种特别捕获稀疏图计算的情况下,最佳MPC轮复杂度与PRAM模型中已经获得的复杂度相匹配,而不需要利用额外的本地计算能力,这是完全可能的。在本文中,我们最终驳斥了这种令人困惑的可能性。也就是说,即使在每台机器的{ \em略微次线性}内存的情况下,我们也打破了上述$O(\log n)$轮复杂度界限。事实上,我们在这里的改进是{ \em几乎指数}:我们能够…
2018-02-01 cs.DC cs.DS
Efficient Pattern Matching on Binary Strings
二进制字符串匹配问题在于找到文本中所有出现的模式,其中两个字符串都建立在二进制字母表上。这是计算机科学中一个有趣的问题,因为二进制数据在电信和计算机网络应用中无处不在。此外,该问题也在图像处理领域和压缩文本的模式匹配中找到应用。最近,它已被证明,经典的精确字符串匹配算法的适应不是很有效的二进制数据。在本文中,我们提出了两个有效的算法的问题,适应完全避免任何参考位允许处理模式和文本字节的字节。实验结果表明,新算法在大多数情况下优于现有的解决方案。
2008-10-15 cs.DS cs.IR
Optimizations and extensions for fair join pattern matching
本研究优化并扩展了公平连接模式匹配算法,提升了性能并增强了基准测试的可扩展性,展示了连接模式在微服务架构中的应用。
2025-12-04 cs.DS cs.PL
Kernelization lower bound for Permutation Pattern Matching
如果置换$π$包含长度为$|σ|$的子序列,其元素的相对顺序与置换$σ$中的元素的相对顺序相同,则置换$π$包含置换$σ$作为模式。这个概念在枚举组合学中起着重要的作用。我们证明了这个问题没有一个多项式内核(广泛认为的复杂性假设$\mbox{NP} \not\subseteq \mbox{co-NP}/\mbox{poly}$下),通过引入一个新的多项式减少从集团问题置换模式匹配。
2015-01-11 cs.CC cs.DS
Exact Analysis of Pattern Matching Algorithms with Probabilistic Arithmetic Automata
我们提出了一个基于窗口的模式匹配算法的精确概率分析框架,如Boyer-Moore,Horspool,Backward DAWG Matching,Backward Oracle Matching等。特别是,我们展示了如何有效地获得这样的算法的运行时间成本的分布,为任何给定的模式,在随机文本模型,这可以是相当普遍的,从简单的统一模型,高阶马尔可夫模型或隐马尔可夫模型(HALGORY)。此外,我们提供了一种技术来计算\emph{differences}的运行时间成本的两个算法的确切分布。与以前的工作相比,我们的方法既不限于简单的文本模型,也不渐近报表,也不矩计算,如期望和方差。在方法上,我们使用有限自动机的扩展,我们称之为确定性算术自动机(DAA)和概率算术自动机(PAA)[13]。据我们所知,这是第一次,子串或后缀为基础的模式匹配算法进行了准确的分析。在实验中,我们比较Horspool的算法,向后DAWG匹配,和向后Oracle匹配的原型模式的长度短,并提供统计数据的最小DAA的大小为这些计算。
2010-09-30 cs.DS cs.FL
Domain Specific Hierarchical Huffman Encoding
在本文中,我们重温了经典的领域特定文本的数据压缩问题。众所周知,经典的霍夫曼算法对于前缀编码是最优的,并且压缩是在字符级进行的。由于许多数据传输是领域特定的,例如,下载课堂讲稿、网络博客等,很自然地想到更大维度(即字级而不是字符级)的数据压缩。我们的框架采用了两级压缩方案,其中第一级使用经典的频繁模式算法识别文本中的频繁模式。识别出的模式被替换为特殊字符串,并且为了获得更好的压缩比,特殊字符串的长度确保小于对应模式的长度。经过这种变换后,对得到的文本,我们采用经典的哈夫曼数据压缩算法。简而言之,在第一级中,压缩是在单词级进行的,而在第二级中,压缩是在字符级进行的。有趣的是,这种针对特定领域文本的两级压缩技术优于经典的霍夫曼技术。为了支持我们的主张,我们已经提出了理论和模拟结果的特定领域的文本。
2013-07-03 cs.DS cs.IT math.IT
Matching Patterns with Variables
模式p(即,一串变量和终端)匹配一个词w,如果w可以通过用终端词均匀地替换p的变量来获得。相应的匹配问题,即,决定给定模式是否匹配给定单词通常是NP完全的,但对于具有限制结构的模式类可以在多项式时间内求解。在本文中,我们概述了一系列最近的结果与变量模式的有效匹配,以及一系列的扩展这个问题。
2019-07-29 cs.CC cs.DS cs.FL
Quantum pattern matching fast on average
$d$ -维模式匹配问题是在长度为$n \times \dots \times n$的文本中使用$n \ge m$查找长度为$m \times \dots \times m$的模式的出现。该任务对文本和图像处理以及其他应用领域中的各种问题进行建模。本文描述了一种量子算法,它解决了随机模式和文本在时间上的模式匹配问题$\widetilde{O}((n/m)^{d/2} 2^{O(d^{3/2}\sqrt{\log m})})$。对于大的$m$,这是超多项式快于最好的可能的经典算法,这需要时间$\widetildeΩ( (n/m)^d + n^{d/2} )$。该算法是基于使用的量子子程序寻找隐藏的移位$d$尺寸,这是一个变种的Kuperberg提出的算法。
2015-08-26 cs.DS quant-ph
A Hybrid Approach to Temporal Pattern Matching
IBM Research Dublin, Ireland(爱尔兰都柏林IBM研究);Dept. of Computer Science & Engineering University of Ioannina, Greece(希腊约阿尼纳大学计算机科学与工程系)
图模式匹配的主要目标是在大型数据图中找到输入图模式查询的所有外观。这种现象被称为匹配。在本文中,我们感兴趣的是在时间图中找到匹配的交互模式。为此,我们提出了一种混合的方法,实现有效的过滤潜在的匹配的基础上的结构和时间。我们的方法利用了一个图形表示,其中边按时间排序。我们提出了真实数据集的实验,说明我们的方法的效率。
2020-01-24 cs.CV cs.DS
Fine-Grained Complexity of Regular Expression Pattern Matching and Membership
目前最快的正则表达式模式匹配和隶属度算法将经典的O(nm)时间算法提高了约log^{3/2}n的因子。而不是集中在一般的模式,我们分析同质模式的有界深度在这项工作中。对于他们的分类分裂的类型容易(强次二次)和硬(基本上是二次时间下SETH)是已知的。我们采取一个非常细粒度的看看从这个分类的硬模式类型,并显示一个二分法:很少类型允许超多对数的改进,而其他模式类型的算法只能通过一个常数的对数因子,假设公式SAT假设改善。
2020-09-21 cs.CC cs.DS
Graph Pattern Matching Preserving Label-Repetition Constraints
图模式匹配是用于诸如社会网络分析之类的各种应用的常规过程。它通常是根据子图同构定义的,是NP-完全的。为了降低其复杂性,已经提出了许多扩展的图模拟,这些扩展集中在模式图的一些拓扑约束,这些约束可以在多项式时间内保持在数据图上。本文讨论了一种新的拓扑约束--标号重复约束的满足问题。据我们所知,现有的多项式方法无法保持这一约束,而且,只能采用子图同构为此,这是成本高昂的。首先,我们提出了一个必要和充分条件,数据子图必须满足保持标签重复约束的模式图。此外,我们定义匹配的基础上的三重模拟的概念,图模拟的扩展,考虑到新的拓扑约束。我们表明,与此扩展,图模式匹配可以在多项式时间内进行,通过提供这样的算法。我们的算法是次二次的数据图的大小,和一般的四次。我们表明,我们的研究结果可以结合正交方法更有表现力的图形模式匹配。
2018-04-12 cs.DB cs.DS