The Parameterized Suffix Tray
设$Σ$和$Π$是不相交的字母表,分别称为静态字母表和参数化字母表。如果在$Σ$上存在重命名双射$f$,并且在$Σ$上存在恒等的$Π$,并且将$x$的字符映射到$y$的字符,使得两个字符串变得相同,则称$Σ\cup Π$上的两个等长字符串$x$和$y$参数化匹配(p匹配)。在文本中找到给定模式的p-匹配出现的问题的索引版本是字符串匹配中的一个很好的研究课题。在本文中,我们提出了一种用于p匹配的最新索引结构,称为输入文本$T$的参数化后缀托盘,用$\mathsf{PSTray}(T)$表示。我们发现,$\mathsf{PSTray}(T)$占用$O(n)$空间,并支持模式匹配查询在$O(m + \log (σ+π) + \mathit{occ})$时间,其中$n$是$T$的长度,$m$是查询模式$P$的长度,$π$是$T$中$|Π|$的不同符号的数量,$σ$是$T$中$|Σ|$的不同符号的数量,$\mathit{occ}$是$P$在$T$中p匹配出现的数量。本文还介绍了如何利用参数化的$T$后缀树在$O(n)$时间内构造$\mathsf{PSTray}(T)$。
2021-02-04 cs.DS
Parameterized DAWGs: efficient constructions and bidirectional pattern searches
$Σ\cup Π$上的两个等长的字符串$x$和$y$称为\emph{parameterized match}(\emph{p-match}),如果存在重命名双射$f:Σ\cup Π\rightarrow Σ\cup Π$,它是$Σ$上的恒等式,并将$x$转换为$y$(反之亦然)。\emph{p-matching}问题是在文本中寻找与给定模式p匹配的子串。本文提出了后缀自动机和DAWG的p-匹配版本\emph{parameterized suffix automata}(\emph{p-suffix automata})和\emph{parameterized directed acyclic word graphs}(\emph{PDAWGs})。虽然后缀自动机和DAWG是等价的标准字符串,我们表明,p后缀自动机可以有$Θ(n^2)$节点和边缘,但PDAWG只有$O(n)$节点和边缘,其中$n$是输入字符串的长度。我们也给出了一个$O(n |Π| \log (|Π| + |Σ|))$ -时间$O(n)$ -空间算法,建立了一个从左到右的在线方式的PDAWG。作为一个副产品,它示出的反向字符串的\emph{parameterized suffix tree}也可以建立在相同的时间和空间,在一个从右到左的在线方式。这种对偶性也使我们得到了两种更有效的p-匹配算法:给定输入字符串$T$的…
2022-09-16 cs.DS
Towards a complete perspective on labeled tree indexing: new size bounds, efficient constructions, and beyond
标记树(或trie)是字符串的自然推广,也可以被视为一组字符串的紧凑表示。本文考虑了标记树索引问题,并在空间边界分析、有效构造算法和模式匹配查询等方面提供了一些新的结果。Kakhaju [FOCS 1989]是第一个考虑标记树索引问题的人,他提出了向后trie的后缀树,其中trie中的字符串在叶到根的方向上读取。与向后trie相比,我们称普通trie为向前trie。尽管在Komaju的论文之后有一些后续工作,但索引向前/向后尝试还没有得到很好的理解。在本文中,我们展示了一个完整的角度对索引结构的大小,如后缀树,DAWG,CDAWGs,后缀数组,词缀树,词缀数组的向前和向后尝试。它们中的一些以输入trie的大小$n$占用$O(n)$空间,而另一些在最坏的情况下可以占用$O(n^2)$空间。特别是,我们表明,与$n$节点的正向trie的DAWG的大小是$Ω(σn)$,其中$σ$是在trie中的不同字符的数量。对于大小为$σ= Θ(n)$的字母表,这将成为$Ω(n^2)$。尽管如此,我们表明,有一个紧凑的$O(n)$空间隐式表示的DAWG的前向特里,其空间要求是独立的字母表的大小。该紧凑表示允许在$O(\log σ)$时间上模拟每个DAWG边遍历,并且可以在$O(n)$大小的任何整数字母表上在$O(n)$时间和空间上构造。此外,这容易扩展到第一索引结构,其允许在输入trie树大小的线性空…
2022-01-03 cs.DS
Constructing LZ78 Tries and Position Heaps in Linear Time for Large Alphabets
我们提出了第一个最坏情况下的线性时间算法来计算一个给定的字符串在一个整数字母表的Lempel-Ziv 78因子分解。我们的算法是基于最近的标记祖先查询的后缀树的给定字符串。我们还表明,同样的技术可以用来构建一组字符串的位置堆在最坏情况下的线性时间,当一组字符串作为一个trie。
2015-01-26 cs.DS
Linear-size Suffix Tries and Linear-size CDAWGs Simplified and Improved
本文提出 simLSTries 与 simLCDAWGs,移除多数 type-2 节点,将 LCDAWG 空间降至 $O(er(T))$,并支持在更弱的指针机模型上运行。
2024-08-08 cs.DS cs.FL
The Parameterized Position Heap of a Trie
令$Σ$和$Π$是各自大小为$σ$和$π$的不相交字母表。如果存在双射$f:Σ\cup Π\rightarrow Σ\cup Π$,使得(1)$f$在$Σ$上是同一的,并且(2)$f$将一个字符串的字符映射到另一个字符串的字符,使得两个字符串变得相同,则称$Σ\cup Π$上的两个等长字符串参数化匹配(p匹配)。我们考虑的p-匹配问题(反向)特里$\mathcal{T}$和一个字符串模式$P$,这样的每一个路径,p-匹配$P$已被报告。令$N$为给定trie $\mathcal{T}$的大小。在本文中,我们提出了参数化的位置堆$\mathcal{T}$占用$O(N)$空间,并支持p-匹配查询在$O(m \log (σ+ π) + m π+ \mathit{pocc}))$时间,其中$m$是查询模式$P$的长度和$\mathit{pocc}$是路径的数量在$\mathcal{T}$报告。我们还提出了一个算法,构造一个给定的特里$\mathcal{T}$在$O(N (σ+ π))$时间和工作空间的参数化位置堆。
2019-03-14 cs.DS
Packed Compact Tries: A Fast and Efficient Data Structure for Online String Processing
在本文中,我们提出了一种新的数据结构称为压缩trie(压缩c-trie)存储一组$S$的$k$字符串的总长度$n$在$n \logσ+ O(k \log n)$位的空间,并支持快速模式匹配查询和更新,其中$σ$是一个字母表的大小。假设$α= \log_σn$字母被打包在标准字RAM模型上的单个机器字中,并且让$f(k,n)$表示我们选择的动态前导/后继数据结构的查询和更新时间,该动态前导/后继数据结构将来自全域$[1,n]$的$k$整数存储在空间的$O(k \log n)$位中。然后,给定一个长度为$m$的字符串,我们的压缩c-tries支持模式匹配查询和插入/删除操作在$O(\frac{m}α f(k,n))$最坏情况下的时间和在$O(\frac{m}α + f(k,n))$预期的时间。我们的实验表明,我们的压缩c-tries比标准的紧凑tries(a.k.a. Patricia Trees)在真实数据集上。作为一个应用程序,我们的包装c-trie树,我们表明,稀疏后缀树的长度$n$前缀码与$k$采样位置,如均匀间隔和字定界的稀疏后缀树,可以在线构建在$O((\frac{n}α + k) f(k,n))$最坏情况下的时间和$O(\frac{n}α + k f(k,n))$预期的时间与$n \log σ+ O(k \log n)$位的空间。当$k = O(\frac{n}α)$时,…
2016-02-01 cs.DS
Suffix Tree of Alignment: An Efficient Index for Similar Data
我们考虑一个类似字符串的索引数据结构。广义后缀树可以解决这个问题。两个字符串$A$和$B$的广义后缀树是一个压缩trie,表示$A$和$B$中的所有后缀。它有$|A|+|B|$叶子,可以在$O(|A|+|B|)$时间内构造。然而,如果两个字符串相似,则广义后缀树不是有效的,因为它没有利用通常表示为$A$和$B$的对齐的相似性。在本文中,我们提出了一个空间/时间有效的后缀树的对齐,明智地利用相似性对齐。我们的用于$A$和$B$的比对的后缀树具有$|A| + l_d + l_1$叶,其中$l_d$是$B$不同于$A$的所有部分的长度之和,并且$l_1$是$A$和$B$的一些共同部分的长度之和。我们没有妥协的模式搜索,以减少空间。我们的后缀树可以在$O(|P|+occ)$时间中搜索模式$P$,其中$occ$是$P$在$A$和$B$中出现的次数。我们还提出了一个有效的算法来构建后缀树的比对。当从零开始构建后缀树时,该算法需要$O(|A| + l_d + l_1 + l_2)$时间,其中$l_2$是$A$和$B$的其他公共子串的长度之和。当$A$的后缀树已经给定时,它需要$O(l_d + l_1 + l_2)$时间。
2013-05-08 cs.DS
Linear Index for Logarithmic Search-Time for any String under any Internal Node in Suffix Trees
本文提出一种构建线性索引的算法,使得在后缀树中任意内部节点下搜索任意长度模式的时间复杂度降至 O(logn)。
2024-06-03 cs.CC cs.DS cs.IT
Alphabet-Dependent String Searching with Wexponential Search Trees
如果坚持线性大小的数据结构和确定性的最坏情况运行时间,则广泛地假设$O(m+\lg σ)$是在存储大小为$σ$的字母表上的字符串的压缩trie中找到长度为$m$的模式所能做的最好的选择[Cole等人,ICALP'06]。在这篇文章中,我们首先展示了一个相当简单的组合,众所周知的想法产生$O(m+\lg\lg σ)$确定性的最坏情况下的静态尝试搜索时间。然后,我们继续进行动态尝试,其中我们实现每个查询或更新的$O(m+\frac{\lg^{2}\lgσ}{\lg\lg\lgσ})$的最坏情况界限,这应该再次与先前已知的$O(m+\lgσ)$确定性最坏情况界限进行比较[Cole等人,ICALP'06],以及依赖于字母表\emph{in}的$O(m+\sqrt{\lg n/\lg\lg n})$确定性最坏情况界限[Andersson和Thorup,SODA'01],其中$n$是trie中的节点数。我们的更新过程的基础是指数搜索树的加权变体,虽然简单,但可能是独立的兴趣。作为一个特定应用,上述界限(静态和动态)适用于后缀树。在那里,更新对应于在文本中添加或追加一个字母,另外一个目标是更新比重新匹配整个后缀更快。我们展示了如何在$O(\lg\lg n + \frac{\lg^{2}\lgσ}{\lg\lg\lgσ})$时间内做到这一点,这改善了先前已知的$O(\lg n)$结合[Amir等人…
2013-02-14 cs.DS
Computing palindromes on a trie in linear time
Trie树$\mathcal{T}$是一棵有根树,每条边由字母表中的单个字符标记,并且来自同一节点的外出边的标签是相互不同的。给定一个具有$n$边的trie树$\mathcal{T}$,在$n$中整数字母表的大小为多项式的情况下,给出了如何在$O(n)$时间内计算$\mathcal{T}$上所有不同的回文和所有最大的回文.这改进了Funakoshi等人[PCS 2019]的最新$O(n \log h)$时间算法,其中$h$是$\mathcal{T}$的高度。利用我们的新算法,可以在$O(n)$时间内容易地获得给定trie树$\mathcal{T}$的具有后缀链接的eertree。此外,我们的基于trie的$O(n)$空间数据结构允许我们在输出最佳时间报告所有不同的回文和最大回文在trie $\mathcal{T}$中表示的查询字符串。这是对现有(朴素)解决方案的改进,该解决方案使用总的$O(n^2)$预处理时间和空间,分别为trie $\mathcal{T}$中的每个字符串预先计算和存储所有不同的回文和最大回文,并在查询时在输出最佳时间中报告它们。
2022-11-10 cs.DS
EERTREE: An Efficient Data Structure for Processing Palindromes in Strings
我们提出了一种新的线性大小的数据结构,它提供了一个快速访问所有回文子串的字符串或一组字符串。这种结构继承了后缀trie和后缀树构造的一些思想。使用这种结构,我们提出了一些问题,涉及回文的简单而有效的解决方案。
2015-08-17 cs.DS cs.FL
Parameterized Pattern Matching -- Succinctly
我们考虑$Parameterized$ $Pattern$ $Matching$问题,其中模式$P$匹配文本$\mathsf{T}$中的某个位置,当且仅当模式的字母符号与文本的字母符号之间存在一一对应关系。更具体地,假设文本$\mathsf{T}$包含来自静态字母表$Σ_s$和参数化字母表$Σ_p$的$n$字符,其中$Σ_s \cap Σ_p = \varnothing$和$|Σ_s \cup Σ_p|=σ$。模式$P$匹配$\mathsf{T}$的子串$S$,当静态字符完全匹配时,并且存在一个一对一函数,将$S$中的参数化字符重命名为$P$中的参数化字符。以前的索引解决方案[Baker,STOC 1993],称为$Parameterized$ $Suffix$ $Tree$,需要$Θ(n\log n)$位空间,并且可以在$\mathcal{O}(|P|\log σ+ occ)$时间内找到$P$的所有$occ$出现。在本文中,我们提出了第一个简洁的索引,占用$n \log σ+ \mathcal{O}(n)$位和回答查询在$\mathcal{O}((|P|+ occ\cdot \log n) \logσ\log \log σ)$时间。我们还提出了一个紧凑的索引,占用$\mathcal{O}(n\logσ)$位和回答查询在$\mathcal{O}(|P|\log σ+ occ\cdo…
2016-04-05 cs.DS
Construction of Sparse Suffix Trees and LCE Indexes in Optimal Time and Space
本文提出确定性算法,在最优时间和空间内构造稀疏后缀树和LCE索引,利用划分集合实现线性时间构造,并改进任意参数下的构造效率。
2024-04-21 cs.DS
String Indexing with Compressed Patterns
针对客户端-服务器场景中以压缩形式提交的模式查询,提出一种线性空间数据结构,能直接高效处理Lempel-Ziv压缩模式,实现接近最优的查询时间,并开发了编码LZ77压缩后缀和分解trie等通用数据结构技术。
2024-02-14 cs.DS
Linear-time Computation of DAWGs, Symmetric Indexing Structures, and MAWs for Integer Alphabets
本文提出在整数字母表上利用后缀树以线性时间构造 DAWG 的算法,并据此首次实现词缀树、对称 CDAWG 等结构的线性时间构建,同时给出 MAW 的最优输入输出敏感计算。
2023-07-04 cs.DS cs.FL
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
Breaking a Barrier in Constructing Compact Indexes for Parameterized Pattern Matching
本文针对参数化模式匹配紧凑索引构造问题,将 pBWT 在线构造时间复杂度从依赖参数字母表大小的乘积因子改进为对数因子,并首次实现紧凑空间下支持向后搜索的在线构造。
2023-08-11 cs.DS