AC自动机模版

constexpr int N = 500010;
constexpr int ALPHABET = 26;
char convert = 'a';
class AhoCorasick {
private:
	int trie[N][ALPHABET];
	int fail[N];
	int tot = 1,Q=0;
	std::vector<int> nodes, f;
public:
	AhoCorasick(int _Q) :Q{ _Q }{
		for (int i = 0; i < ALPHABET; i++) {
			trie[0][i] = 1;
		}
	}
	int add(std::string& s) {
		int p = 1;
		for (auto c : s) {
			int& q = trie[p][c - convert];
			if (q == 0)q = ++tot;
			p = q;
		}
		return p;
	}
	void work() {
		std::queue<int> q;
		q.push(1);

		while (!q.empty()) {
			int x = q.front();
			nodes.push_back(x);
			q.pop();
			//对于每个节点,访问它的子节点
			for (int i = 0; i < ALPHABET; i++) {
				if (trie[x][i] == 0) {//如果子节点不存在
					trie[x][i] = trie[fail[x]][i];//将它的值设为失配指针指向节点的子节点
					//理由是失配指针每次指向的都是最长后缀的位置,所以如果能匹配到下一个字符是正确的
				}
				else {//如果节点存在
					fail[trie[x][i]] = trie[fail[x]][i];//该子节点失配指针等于父节点的失配指针所指向的子节点
					q.push(trie[x][i]);//并将它放入队列
				}
			}
		}
	}
	std::vector<int> search(std::string S) {
		f.resize(tot + 1);
		int p = 1;
		for (auto c : S) {//遍历每一个字符
			p = trie[p][c - convert];//根节点下如果有这个字符
			f[p]++;//让f[p]++;
		}
		//从最后一个访问的节点开始回溯
		for (int i = nodes.size() - 1; i >= 0; i--) {
			int x = nodes[i];//拿到该节点的序号
			f[fail[x]] += f[x];//如果x所代表的字符串出现过,代表其最长后缀也出现过
			//而x的最长后缀所指向的末尾字符就是fail指针所指向的末尾字符
		}
		return f;
	}
};

int main() {
	std::ios::sync_with_stdio(false), std::cin.tie(0), std::cout.tie(0);
	int Q;
	std::cin >> Q;
	std::string s;
	std::vector<int>end(Q);
	AhoCorasick ac(Q);
	for (int i = 0; i < Q; i++) {
		std::cin >> s;
		end[i] = ac.add(s);
	}
	ac.work();
	std::cin >>s;
	std::vector<int>f = ac.search(s);
	for (int i = 0; i < Q; i++) {
		std::cout << f[end[i]] << "\n";
	}
	return 0;
}

使用方式,add会返回该字符串最后一个字符所处节点,需要创建一个end数组进行接受,add用于添加敏感词,ac.work用于构建失配指针,ac.search会返回一个数组f,f[end[i]]表示第i个字符出现的次数.

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值