Approximating Text-to-Pattern Distance via Dimensionality Reduction
文本到模式的距离是字符串匹配中的一个基本问题,给定一个长度为$m$的模式和一个长度为$n$的文本,在一个整数字母表上,我们被要求计算模式和文本之间的距离。距离函数可以是例如针对某个参数$p > 0$的汉明距离或$\ell_p$距离。在过去的$\sim 40$年中,几乎所有最先进的精确和近似算法都使用FFT作为黑盒。在这项工作中,我们提出了$\widetilde{O}(n/\varepsilon^2)$时间算法的$(1\pm\varepsilon)$ -近似的$\ell_2$距离,和$\widetilde{O}(n/\varepsilon^3)$算法近似的汉明和$\ell_1$距离,所有不使用FFT。这与Chan等人最近的发展无关。[STOC 2020],其中提出了不使用FFT的汉明距离的$O(n/\varepsilon^2)$算法-尽管他们的算法更具“组合性”,但我们的技术适用于汉明以外的其他范数。
2020-05-01 cs.DS
Lightweight Fingerprints for Fast Approximate Keyword Matching Using Bitwise Operations
我们的目标是通过为每个字符串存储一个轻量级的、固定大小的数据块(称为指纹)来加速近似关键字匹配。它们的工作方式与哈希值类似;但是,它们也可以用于匹配错误。它们使用单个位存储关于符号出现的信息,并且可以通过恒定数量的逐位操作来相互比较。以这种方式,某些字符串可以被推断为彼此至少在距离$k$内(使用汉明或Levenshtein距离),而无需执行显式验证。我们的实验表明,对于预处理的字符串集合,指纹可以提供大量的加速$k = 1$,即超过$2.5$倍的汉明距离和超过$10$倍的Levenshtein距离。对合成和真实世界的英语和URL数据进行了测试。
2017-11-22 cs.DS
Faster Algorithms for Text-to-Pattern Hamming Distances
研究文本到模式汉明距离问题,提出打破数十年记录的随机与确定性精确算法及更快的近似算法,并证明其与3SUM计数版本的细粒度等价性。
2024-12-19 cs.DS
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
$L_p$ Pattern Matching in a Stream
我们考虑的问题之间的距离计算模式的长度$n$和所有$n$长度的子字的文本在流模型。在流设置中,仅研究了汉明距离($L_0$)。已知计算模式和流文本之间的精确汉明距离需要$Ω(n)$空间(民间传说)。因此,要发展次线性空间的解决方案,必须放宽他们的要求。这样做的一种可能性是仅计算由阈值$k$界定的距离,参见[SODA'19,Clifford,Kociumaka,Porat]及其参考文献。这个问题的这个变体的动机是,我们感兴趣的是文本中与模式相似的子词,即子词与模式之间的距离相对较小。另一方面,流式设置的主要应用是处理大规模数据,例如生物数据。硬件技术的最新进展允许以非常高的速度生成这样的数据,但不幸的是,所产生的数据可能包含约10%的噪声~[Biol. Direct. '07,Klebanov and Yakovlev].为了分析这些数据,仅仅考虑小距离是不够的。此问题的一种可能的解决方法是使用$(1\pm\varepsilon)$近似。这条线的研究开始于[ICALP'16,Clifford和Starikovskaya]谁给了$(1\pm\varepsilon)$ -近似算法与空间~ $\tilde{O}(\varepsilon^{-5}\sqrt{n})$。在这项工作中,我们展示了一套新的流式算法计算汉明,$L_1$,$L_2$和一般$L_p$($0 < p < 2$)模式和文本之…
2020-11-08 cs.DS
Streaming dictionary matching with mismatches
在$k$ -mismatch问题中,我们给定一个长度为$n$的模式和一个文本,并且必须找到模式和文本之间的汉明距离最多为$k$的所有位置。最近的一系列突破为这个问题带来了一种超高效的流算法,每个字母只需要$O(k \log \frac{n}{k})$空间和$O(\log \frac{n}{k} (\sqrt{k \log k} + \log^3 n))$时间[Clifford,Kociumaka,Porat,SODA 2019]。在这项工作中,我们考虑一个严格困难的问题称为字典匹配与$k$不匹配。在这个问题中,我们给出了一个$d$模式的字典,其中每个模式的长度最多为$n$,并且必须找到距离其中一个模式在汉明距离$k$内的文本的所有子串。我们开发了一个流算法,这个问题与$O(k d \log^k d \mathrm{polylog}(n))$空间和$O(k \log^{k} d \mathrm{polylog}(n) + |\mathrm{occ}|)$时间的文本的位置。该算法是随机的,并以高概率输出正确答案。在下限侧,我们表明,任何流式算法的字典匹配与$k$不匹配需要$Ω(k d)$位的空间。
2021-06-20 cs.DS
The streaming $k$-mismatch problem
我们认为流的复杂性的一个基本任务,在近似模式匹配:$k$ -失配问题。它要求计算长度为$n$的模式与汉明距离不超过给定阈值$k$的文本的所有长度为$n$的子串之间的汉明距离。在我们的问题公式中,我们不仅报告汉明距离,而且根据需要报告完整的\emph{mismatch information},即不匹配的符号对及其索引的列表。流式模式匹配的双重挑战源自于既需要实现小的工作空间又需要保证快速处理每个到达的输入符号。我们提出了一个流算法的$k$ -不匹配的问题,它使用$O(k\log{n}\log\frac{n}{k})$位的空间,并花费\ourcomplexity的时间在每个符号的输入流,其中包括由文本的模式。运行时间几乎匹配经典的离线解决方案,空间使用率在最佳的对数因子内。因此,我们的新算法有效地解决,也扩展了FOCS'09中首次提出的开放问题。在这个解决方案的途中,我们还给出了一个确定性的$O( k (\log \frac{n}{k} + \log |Σ|) )$位编码的所有路线与汉明距离最多$k$的长度$n$模式内的文本长度$O(n)$。这个次要的结果提供了一个自然的通信复杂性问题,这可能是独立的利益的最佳解决方案。
2018-04-09 cs.DS
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
Faster Approximate Pattern Matching: A Unified Approach
近似模式匹配是字符串上一个自然且研究得很好的问题:给定一个文本$T$,一个模式$P$,和一个阈值$k$,找到$T$中距离$P$最多为$k$的所有子串(的起始位置)。我们考虑两个最基本的字符串度量:汉明距离和编辑距离。在汉明距离下,我们搜索$T$的子串,这些子串最多与$P$有$k$不匹配,而在编辑距离下,我们搜索$T$的子串,这些子串可以通过最多的$k$编辑转换为$P$。$P$在$T$中的精确出现有一个非常简单的结构:如果我们为了简单起见假设$|T| \le 3|P|/2$和修剪$T$,使得$P$既作为$T$的前缀又作为其后缀出现,那么$P$和$T$都是周期性的,具有共同的周期。然而,直到最近Bringmann等人[SODA'19]才证明了具有高达$k$错配的出现的结构的类似表征:或者在$T$中存在$P$的$O(k^2)$ $k$ -错配出现,或者$P$和$T$都在与具有共同周期$O(m/k)$的弦的汉明距离$O(k)$处。我们通过表明当模式不是(近似)周期性时存在$O(k)$ $k$ -失配发生来收紧该表征,并且我们将其提升到编辑距离设置,其中我们在非周期性情况下通过$O(k^2)$来紧密地约束$k$ -编辑发生的数量。我们的证明是建设性的,让我们得到一个统一的框架,为两个考虑的距离近似模式匹配。我们展示了我们的框架的一般性与结果的完全压缩设置(其中$T$和$P$作为一个直线程序)…
2020-11-16 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
Elastic-Degenerate String Matching with 1 Error
弹性简并弦是一个总长度为$N$的$n$有限弦集合的序列,用来表示一组相关的DNA序列,也称为泛基因组。ED字符串匹配(EDSM)问题在于报告ED文本中长度为$m$的模式的所有出现。这个问题最近受到了组合模式匹配团体的一些关注,最终产生了$\tilde{\mathcal{O}}(nm^{ω-1})+\mathcal{O}(N)$时间算法[Bernardini等人,SIAM J.计算2022],其中$ω$表示矩阵乘法指数,并且$\tilde{\mathcal{O}}(\cdot)$表示法抑制多对数因子。在$k$ -EDSM问题中,EDSM的近似版本,我们被要求报告所有模式出现最多$k$错误。$k$-EDSM可以在编辑距离下以$\mathcal{O}(k^2mG+kN)$时间求解,或者在汉明距离下以$\mathcal{O}(kmG+kN)$时间求解,其中$G$表示ED文本中的字符串的总数[Bernardini等人,Theor. Comput. Sci. 2020年]。不幸的是,$G$仅受$N$约束,因此即使对于$k=1$,现有算法在最坏情况下也在$Ω(mN)$时间内运行。本文证明了$1$-EDSM在编辑距离下可以在$\mathcal{O}((nm^2 + N)\log m)$或$\mathcal{O}(nm^3 + N)$时间内求解.对于决策版本,我们提出了一个更快的$\mathcal{…
2022-09-02 cs.DS
Pattern Matching under Polynomial Transformation
我们考虑一类模式匹配问题,其中在每个对齐处应用归一化变换。规范化模式匹配在图像处理和音乐信息处理等领域中起着关键作用,在这些领域中,通常对输入应用特定的变换。通过考虑输入的多项式变换类,我们为新老问题提供了快速算法和第一下界。给定一个模式的长度为m和一个较长的文本长度为n,其中两者都被假定为只包含整数值,我们首先显示O(n log m)的时间算法模式匹配下的线性变换,即使在输入中出现的符号。然后,我们将展示如何将该技术扩展到任意次数的多项式变换。接下来我们考虑在多项式变换下求最小汉明距离的问题。我们证明了,对于任何n>0,不可能存在一个O(n m^(1-n))时间的算法添加剂和线性变换的条件下,经典的3SUM问题的硬度。最后,我们考虑一个版本的汉明距离问题下添加剂变换与一个约束k上的最大距离,需要报告。我们给出了一个确定性的O(nk log k)时间的解决方案,然后我们通过仔细使用随机化O(n sqrt(k log k)log n)时间足够小的k。我们的随机化解决方案以高概率在每个位置输出正确答案。
2011-10-28 cs.DS
Breaking the Variance: Approximating the Hamming Distance in $\tilde O(1/ε)$ Time Per Alignment
计算长度为$m$的给定模式与长度为$n$的文本中的每个位置之间的汉明距离的算法任务是字符串算法中最基本的算法任务之一。不幸的是,有证据表明,对于大小为$n$的文本$T$和大小为$m$的模式$P$,人们不能计算在时间上小于$\tilde O(n\sqrt m)$的$T$中所有位置的精确汉明距离。然而,Karloff~ \cite{karloff}表明,如果一个人愿意遭受$1\pmε$近似,那么就有可能在$\tilde O(\frac n {ε^2})$时间内以高概率解决问题。由于在单向通信复杂度模型中计算两个字符串的汉明距离的相关下界,强烈认为获得用于求解近似版本的算法不能作为$\frac 1 ε$的函数更快地完成。我们在这里表明,这种信念是假的,通过引入一个新的$\tilde O(\frac{n}ε)$时间算法,成功的概率很高。我们的算法背后的主要思想,这是常见的稀疏恢复问题,是减少一个特定的随机化实验的方差(近似)分离重量级人物从非重量级人物。然而,虽然已知的稀疏恢复技术在向量上工作得很好,但它们似乎不适用于这里,这里我们处理的是字符对之间的失配。我们介绍两个主要的算法成分。第一种是一种新的稀疏恢复方法,适用于对输入(例如在我们的设置中)。第二个是一个新的哈希/投影函数的构造,它允许计算导致两个字符之间不匹配的投影的数量,其速度比蛮力更快。我们希望这些算法技术将是独立的利益。
2015-12-14 cs.DS
Distance Estimation Between Unknown Matrices Using Sublinear Projections on Hamming Cube
使用几何技术,如投影和降维,我们证明了存在一个随机次线性时间算法,可以估计两个矩阵之间的汉明距离。考虑大小为$n \times n$的两个矩阵${\bf A}$和${\bf B}$,其维度对于算法是已知的,但条目是未知的。矩阵的元素是实数。对任何矩阵的访问都是通过一个oracle来实现的,该oracle计算矩阵的行(或列)在$\{0,1\}^n$中的向量上的投影。我们将此查询oracle称为{ \sc内积} oracle(简称为{ \sc IP})。我们表明,我们的算法返回一个$(1\pm ε)$近似${\bf D}_{\bf M} ({\bf A},{\bf B})$的概率很高,通过${\cal O}\left(\frac{n}{\sqrt{{\bf D}_{\bf M} ({\bf A},{\bf B})}}\mbox{poly}\left(\log n, \frac{1}ε\right)\right)$ Oracle查询,其中${\bf D}_{\bf M} ({\bf A},{\bf B})$表示汉明距离(相应的条目中,${\bf A}$和${\bf B}$不同的数量)之间的两个矩阵${\bf A}$和${\bf B}$的大小$n \times n$。我们还显示了一个匹配的下限,这样的{ \sc IP}查询所需的数量。虽然我们的主要结果是估计${\bf D}_{\bf M}…
2021-07-06 cs.DS
Approximate Circular Pattern Matching
该研究针对汉明与编辑距离下的近似环形模式匹配问题,改进了现有算法的时间复杂度,给出了条件下界并证明了编辑距离下强亚二次算法与SETH的矛盾关系。
2025-06-12 cs.DS
On the Average-case Complexity of Pattern Matching with Wildcards
使用通配符的模式匹配是找到长度为$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
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
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
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
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
Upper and lower bounds for dynamic data structures on strings
我们考虑了一系列简单的动态数据结构问题的字符串。一个更新改变了输入中的一个符号,一个查询要求我们计算长度为$m$和一个较长文本的子串的模式的某个函数。我们给有条件和无条件的下界的变种的确切匹配与通配符,内积,并通过一系列的减少汉明距离计算。作为一个例子,我们表明,不存在一个$O(m^{1/2-\varepsilon})$时间算法的大范围的这些问题,除非在线布尔矩阵向量乘法猜想是假的。我们还提供了几乎匹配的上限,我们考虑的大多数问题。
2018-02-19 cs.CC cs.DS
Pattern Matching in Trees and Strings
本文研究了组合模式匹配的有效算法设计。更具体地说,我们研究算法的树匹配,字符串匹配,字符串匹配在压缩文本。
2007-08-31 cs.DS
Efficient Pattern Matching for Unordered Term Tree Patterns under Generalized Height-Constrained Bindings
Fukuoka Institute of Technology(福冈工业大学);Hiroshima City University(广岛市立大学)
研究广义高度约束绑定下无序项树模式的模式匹配问题,去除子端口对应绑定树叶子的限制,提出多项式时间匹配算法并实现,实验表明该方法有实际运行时间。
2026-07-17 cs.DS cs.FL
Cell-Probe Bounds for Online Edit Distance and Other Pattern Matching Problems
给出了流中编辑距离、汉明距离、卷积和最长公共子序列计算的单元探测界。在该模型中,给定固定的$n$符号串,并且在流中一次一个$δ$比特符号到达。在每个符号到达之后,报告固定字符串与流的最近符号的后缀之间的距离。单元探测模型可能是显示数据结构下限的最强计算模型,特别是包括流行的字RAM模型。* 我们首先给出一个时间的$Ω((δ\log n)/(w+\log\log n))$下限,以给出在线汉明距离和卷积的每个输出,其中$w$是单词大小。这个界限依赖于一个新的编码方案,并首次举行,即使当$w$是一个单一的位小。* 然后,我们考虑在线编辑距离和最长公共子序列的位探测模型($w=1$)与一个恒定大小的输入字母表的问题。我们给出了适用于这两个问题的$Ω(\sqrt{\log n}/(\log\log n)^{3/2})$的下界。第二组结果依赖于我们的新编码方案以及精心构建的硬分布。* 最后,对于在线编辑距离问题,我们证明了在细胞探针模型中存在一个$O((\log n)^2/w)$上界。这个界限与我们的新下限形成了对比,并且在已知的细胞探针和RAM模型复杂性之间建立了指数差距。
2014-07-24 cs.DS
Approximating Approximate Pattern Matching
给定长度为$n$的文本$T$和长度为$m$的模式$P$,近似模式匹配问题要求计算$P$和$T$的每个$m$子串之间的特定\emph{distance}函数。我们考虑这个问题的一个$(1\pm\varepsilon)$乘性近似变量,对于$\ell_p$距离函数。在本文中,我们描述了两个$(1+\varepsilon)$近似算法的运行时间为$\widetilde{O}(\frac{n}{\varepsilon})$的所有(常数)非负值的$p$。对于常数$p \ge 1$,我们展示了一个确定性的$(1+\varepsilon)$近似算法。以前,Gawrychowski和Uznabrski [ICALP 2018]仅在$\ell_1$距离的情况下知道这种运行时间,并且仅使用随机算法。对于恒定的$0 \le p \le 1$,我们给出了$\ell_p$的随机算法,从而在汉明距离($p=0$的情况)的Kopelowitz和Porat [FOCS~2015,SOSA~2018]算法与$\ell_1$距离的Gawrychowski和Uznaprski算法之间提供了平滑的权衡。
2019-07-23 cs.DS
Approximate Cartesian Tree Matching with Substitutions
King’s College London(伦敦国王学院);DIENS, École normale supérieure de Paris, PSL Research University(巴黎高等师范学院,PSL研究大学)
本文提出了一种近似Cartesian树匹配算法,通过汉明距离度量在时间序列分析中提升鲁棒性。
2026-02-09 cs.DS
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
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
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
Beating O(nm) in approximate LZW-compressed pattern matching
给定一个LZW/LZ 78压缩文本,我们希望找到长度为m的给定模式的近似出现。我们的目标是实现时间复杂度,这取决于文本的压缩表示的大小n,而不是其长度。我们考虑近似匹配的两个具体定义,即汉明距离和编辑距离,并展示如何分别实现O(nm^0.5k^2)和O(nm^0.5k^3)的运行时间,其中k是距离的界限。这两种算法都只使用线性空间。即使对于非常小的k值,以前已知的最佳解决方案也需要O(nm)时间。我们的主要贡献是应用一个基于属性的参数的方式,是计算有效的,即使我们需要操作的压缩表示的字符串,而以前的解决方案是基于动态规划,或黑盒应用程序的工具开发的未压缩字符串。
2013-09-19 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
The Dynamic k-Mismatch Problem
文本到模式汉明距离问题要求计算长度为$m$的给定模式与长度为$n\ge m$的给定文本的所有长度- $m$子串之间的汉明距离。我们专注于$k$ -不匹配版本的问题,其中距离需要返回,只有当它不超过阈值$k$。我们假设$n\le 2m$(通常,可以将文本划分为重叠的块)。在这项工作中,我们展示了这个问题的动态版本的数据结构,支持两个操作:更新执行模式或文本中的单字母替换,以及查询,给定索引$i$,返回模式和从位置$i$开始的文本子串之间的汉明距离,或者报告它超过$k$。首先,我们展示了一个具有$\tilde{O}(1)$更新和$\tilde{O}(k)$查询时间的数据结构。然后,我们表明,$\tilde{O}(k)$更新和$\tilde{O}(1)$查询时间也是可能的。这两者为动态$k$ -与$k \le \sqrt{n}$的不匹配问题提供了最佳权衡:我们证明,在强3 SUM猜想的条件下,无法同时实现所有操作的$k^{1-Ω(1)}$时间。对于$k\ge \sqrt{n}$,我们给出了另一个下界,在线矩阵向量猜想的条件下,排除了每次操作花费$n^{1/2-Ω(1)}$时间的算法。对于恒定大小的字母表,这是严格的:Clifford等人(STACS 2018)在这种情况下实现了每次操作的$\tilde{O}(\sqrt{n})$时间,但对于大字母表,每次操作的$\tilde{O}(n^{…
2022-03-28 cs.DS
Linear Approximate Pattern Matching Algorithm
模式匹配是几乎所有科学领域的基本过程。这个问题涉及到在一个参考数据流(通常是很长的)中找到一个给定模式(通常是很短的)的位置。匹配可以是精确的或近似的(不精确的)。精确匹配是在不允许模式中的一个或多个字符的不匹配(或插入和删除)的情况下搜索模式,而近似匹配则相反。为了精确匹配,可以在线性时间和空间中构建的几种数据结构被使用,并且现在在实践中。对于近似匹配,为解决该匹配而提出的解决方案是非线性的并且目前是不切实际的。在本文中,我们设计并实现了一个结构,可以内置的线性时间和空间($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$是容忍的不匹配(和插入和删除)的数量。
2022-06-30 cs.DB cs.DS
Compressed Pattern-Matching with Ranked Variables in Zimin Words
自敏词是一种非常特殊的限定词,它与模式可避性问题密切相关。这个问题在于测试是否一个给定的模式与变量的实例出现在几乎所有的话在任何有限的字母表。这个问题还没有得到很好的理解,没有多项式时间算法是已知的,它的NP-难也是未知的。模式可避免性问题等价于在一个自敏词中搜索一个模式(带有变量)。主要的困难是潜在的指数大小的自敏词。我们使用的特殊属性的字,特别是他们是高度可压缩的,设计有效的算法的特殊版本的模式匹配,这里称为排名匹配。在压缩环境下给出了Zimin算法的一种新的解释。我们讨论了结构的变量和压缩表示的变量值的排名。此外,对于排名匹配,我们提出了有效的算法来找到最短的实例和模式的实例的估值的数量。
2013-07-05 cs.DS
Duel and sweep algorithm for order-preserving pattern matching
给定文本$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
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
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
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
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
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