編輯距離下具有間隙約束的近似模式匹配.pdf

1、模式匹配問題在計(jì)算機(jī)科學(xué)中出現(xiàn)的最早且人們對它的研究也最廣泛，隨著需要處理的文本規(guī)模越來越大，在文本中進(jìn)行的搜索越來越復(fù)雜，模式和文本之間可以有某些細(xì)小不同的近似模式匹配問題得到了廣泛的應(yīng)用。但對具有間隙約束的近似模式匹配問題的研究目前尚未成熟，因此，論文針對此問題展開研究和實(shí)現(xiàn)。
　　論文將目標(biāo)問題分成兩個(gè)方面進(jìn)行具體的研究以及方法實(shí)現(xiàn)。一是字符串的近似匹配問題，二是模式之間存在間隙約束的匹配問題。在字符串的近似匹配方面，論文首

2、先對基本字符串匹配的一些相關(guān)知識進(jìn)行了介紹，包括字符串匹配的概念以及傳統(tǒng)字符串匹配的方法。接著對近似串的匹配方法進(jìn)行了研究，包括：動態(tài)規(guī)劃方法、基于自動機(jī)的方法、位并行方法以及基于文本過濾的方法。通過對這四種方法進(jìn)行研究和對比，本文將動態(tài)規(guī)劃方法作為近似串匹配的主要方法，將編輯距離模型作為衡量字符串相似度的模型，并對編輯距離矩陣的建立以及字符串之間編輯距離的計(jì)算進(jìn)行了方法實(shí)現(xiàn)。在具有間隙約束的模式匹配方面，本文首先對文本串進(jìn)行了預(yù)處理，

3、將文本串保存為純文本文檔的形式，利用Lucene對純文本文檔建立倒排索引的方式為文本串中的每個(gè)字符串建立索引，這種索引包含了該字符串所有的出現(xiàn)位置及出現(xiàn)次數(shù)，然后在索引基礎(chǔ)上通過Lucene中SpanNearQuery的搜索機(jī)制對具有間隙約束的模式串進(jìn)行搜索。此方法摒棄了普通順序方法因文本過大而造成的匹配時(shí)間代價(jià)高的缺陷，大大提高了匹配效率。
　　最后，論文將此方法和普通的順序匹配算法進(jìn)行了對比，在保證相同文本、相同模式和相同匹配