[問題] 字串比對的效率
目前正在使用java實作data mining的方法...
實作中，在想一個問題，就是字串比對
怎樣的字串比對才有效率?
例如：
input的字串：2 5 7 8 10 15 19
比對字串的陣列：{2 10, 5 8 19, 3 7 10 13}
還有一個map在記錄count
動作是input的字串會分別跟這三個比對，
看是不是在input中有出現，
有出現的話就在map中+1動作
input的資料筆數少那是還好，
但資料筆數多，或比對字串的陣列一多
不知大家會怎樣做比對...
目前是看了一些，有用split分割資料放在String[]中，
或用StringTokenizer方法切割資料，最後跑雙迴圈或三迴圈比對，
後來就在找一些包含或比對的東西，
發現在Set中的containsAll方法可以做Set比對，其code如下：
import java.util.*;
public class Test3 {
public static void main(String args[]){
// 比對的內容
String[] sArray = {"2 10", "5 8 19", "3 7 10 13"};
// 宣告要比對的Map及計數器的Map
Map<String,Set<String>> checkMap = new HashMap<String,Set<String>>();
Map<String,Integer> countMap = new HashMap<String,Integer>();
// 先把比對的陣列轉成map，
for(String str: sArray){
Set<String> checkSet = new HashSet<String>();
checkSet.addAll(Arrays.asList(str.split(" ")));
checkMap.put(str, checkSet);
countMap.put(str, 0);
}
// 要比對的資料
String input = "2 5 7 8 10 15 19";
// 把資料轉成Set
Set<String> inputSet = new HashSet<String>();
inputSet.addAll(Arrays.asList(input.split(" ")));
// 資料比對
for(String key:checkMap.keySet()){
if(inputSet.containsAll(checkMap.get(key)))
countMap.put(key, countMap.get(key)+1);
}
// 印出countMap筆數
for(String key: countMap.keySet())
System.out.println("item=" + key + ", Count=" + countMap.get(key));
}
}
output的結果如下：
item=2 10, Count=1
item=5 8 19, Count=1
item=3 7 10 13, Count=0
input的資料可能透過讀檔的方式
那筆數可能萬、十萬、百萬、千萬…都有可能
所以，我只想討論一下~大家覺得怎樣比對較有效率^^
還是有其他比較好的建議…
感謝各位!!
Best regards,
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.130.36.90
→
12/04 23:03, , 1F
12/04 23:03, 1F
→
12/04 23:04, , 2F
12/04 23:04, 2F
→
12/04 23:06, , 3F
12/04 23:06, 3F
→
12/04 23:09, , 4F
12/04 23:09, 4F
推
12/04 23:22, , 5F
12/04 23:22, 5F
我剛剛去search了n-gram方法…不是這個…
我主要的是玩關聯規則…像aprior等等的，裡面就會有data跟n-itemset的比較
但我主要不是在方法的部分…因為方法我有找到相關方法的code針對structural資料
也看過code了，但我要把方法改成對non-structural的資料
※ 編輯: ken915007 來自: 140.130.36.90 (12/04 23:40)
推
12/05 02:01, , 6F
12/05 02:01, 6F
推
12/05 08:20, , 7F
12/05 08:20, 7F
→
12/05 12:12, , 8F
12/05 12:12, 8F
→
12/05 12:14, , 9F
12/05 12:14, 9F
→
12/05 13:41, , 10F
12/05 13:41, 10F
→
12/05 13:43, , 11F
12/05 13:43, 11F
嗯! 我有看過這些方法~但精準度apriori會比較高點...所以才想用apriori，
但缺點就是要重覆掃資料...
有點離題了^^ 重點不是這演算法= =
我想知道對於字串的比對~像上面的範例~大家會用什麼方法去比對是否有出現過
※ 編輯: ken915007 來自: 140.130.36.90 (12/05 14:33)
推
12/05 15:33, , 12F
12/05 15:33, 12F
→
12/05 17:04, , 13F
12/05 17:04, 13F
推
12/05 19:44, , 14F
12/05 19:44, 14F
→
12/05 20:10, , 15F
12/05 20:10, 15F
→
12/05 23:38, , 16F
12/05 23:38, 16F
→
12/05 23:40, , 17F
12/05 23:40, 17F
討論串 (同標題文章)