KMP算法在说明查重中kmp 暴力算法 比对-1830-源码+说明资料

转载地址: http://www.3q2008.com/soft/search.asp?keyword=1830

注：加速的 原理 是 比对字符串中 有重复的 字符串   算法会计算出跳转规律  来实现加速 kmp算法通过一个O(m)的预处理来构建一个字串f的前缀数组（即计算字符串f每一个位置的字符串的前缀和后缀公共部分的最大长度，不包括字符串本身，否则最大长度始终是字符串本身），接下来的匹配过程会不断地使用到该前缀数组（而且对于主串T只需遍历一次），使匹配的复杂度降为O(n+m)。 KMP算法的 原理  就是 先根据  查询 串规律 生成   next数组,   这个  数组存储 查询串的 相同字符串的 规律 然后 在比对样本的 时候进行跳跃   相对暴力算法达到加速的 作用. 但数据量 小的话  肯定是  KMP 算法 执行 慢   他要生成 规律位置的数组   这个要耗费资源和时间       比对的样本数据量非常大的,  生成NEXT数组的耗时会忽略不计,  KMP的效率就大于 暴力算法了,   KMP匹配无规律的匹配字符串效果不太好。 KMP匹配有关联的字符串效率比较高。 KMP匹配无关数据，效率比暴力匹配低。

表数量11

例文
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
论文名称	nvarchar(500)			''
论文作者	nvarchar(50)			''
论文内容	nvarchar(2147483647)			''
总字数	integer			0
上传日期	datetime			'0000-00-00 00:00:00.000000'

表:1

句子分割字符
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
句子分割字符	nvarchar(50)			''

表:2

性别
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
性别	nvarchar(50)			''

表:3

报告
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
检测ID	nvarchar(50)		是
KMP耗时不包含生成next数组	float		是
KMP耗时	float		是
暴力耗时	float		是
indexOf耗时	float		是
例文ID	integer		是
句子	nvarchar(2147483647)		是
例文中位置	integer		是
字数	integer		是

表:4

检测
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
检测内容	nvarchar(2147483647)		是
字数	integer		是
检测最小句子字数	integer		是
句子数	integer		是
未重复句子数量	integer		是
重复句子数量	integer		是
重复率	float		是
检测日期	datetime		是
用户ID	nvarchar(50)		是

表:5

用户
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
账号	nvarchar(50)			''
密码	nvarchar(50)			''
姓名	nvarchar(50)			''
性别	nvarchar(50)			''
手机号	nvarchar(50)			''

表:6

管理员
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是	是	0
账号	nvarchar(50)			''
密码	nvarchar(50)			''

表:7

v报告	VIEW
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是		0
检测内容	nvarchar(2147483647)		是	'0'
字数	integer		是	0
检测最小句子字数	integer		是	0
句子数	integer		是	0
检测日期	datetime		是	'0'
用户ID	nvarchar(50)		是	'0'
未重复字数	Numeric			0
重复字数	Numeric			0
重复率	nvarchar(272)		是	'0'

表:8

v未重复字数	VIEW
字段名称	数据类型	自增主键	允许为空	默认值
未重复字数	Numeric		是	0
检测ID	nvarchar(50)		是	'0'

表:9

v重复字数	VIEW
字段名称	数据类型	自增主键	允许为空	默认值
重复字数	Numeric		是	0
检测ID	nvarchar(50)		是	'0'

表:10

z检测	VIEW
字段名称	数据类型	自增主键	允许为空	默认值
id	integer	是		0
检测内容	nvarchar(2147483647)		是	'0'
字数	integer		是	0
检测最小句子字数	integer		是	0
句子数	integer		是	0
检测日期	datetime		是	'0'
用户ID	nvarchar(50)		是	'0'
未重复字数	Numeric			0
重复字数	Numeric			0
重复率	nvarchar(272)		是	'0'

表:11
转载地址: http://www.3q2008.com/soft/search.asp?keyword=1830