AC自动机算法笔记_alfred v.aho-CSDN博客

本文链接：https://blog.csdn.net/philosophyatmath/article/details/53909428

AC算法是Alfred V.Aho（《编译原理》（龙书）的作者），和Margaret J.Corasick于1974年提出（与KMP算法同年）的一个经典的多模式匹配算法，可以保证对于给定的长度为n的文本，和模式集合 $P\{p_1,p_2,...p_m\}$ ，在O(n)时间复杂度内，找到文本中的所有目标模式，而与模式集合的规模m无关.
AC算法从某种程度上可以说是KMP算法在多模式环境下的扩展。

KMP 算法简述

对于模式串而言，其前缀，有可能也是模式串中的非前缀的子串，而且这里找的是最大前缀，非前缀可能包含多个前缀。
在KMP算法中有个数组，叫做前缀数组，也有的叫next数组，发现不匹配，下一步模式(pattern)串匹配目标(target)串的模式串的位置，它记录着字符串匹配过程中失配情况下，模式串可以向前跳几个字符，当然它描述的也是子串的对称程度，程度越高，值越大，当然之前可能出现再匹配的机会就更大。

示例1

序号	0	1	2	3	4	5	6	7	8	9
pattern	a	b	c	a	b	c	a	c	a	b
next	0	0	0	1	2	3	4	0	1	2

示例2

序号	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
pattern	a	g	c	t	a	g	c	a	g	c	t	a	g	c	t	g
next	0	0	0	0	1	2	3	1	2	3	4	5	6	7	4	0

示例2中，a g c t a g c，包含两个前缀。对于t，其next一定小于其前面c的next。

AC自动机算法

AC are determined by three functions:goto function ,failure function,output function

Keyword Tree

A keyword tree (or a trie ) for a set of patterns $P$ is a rooted tree $K$ such that

each edge of $K$ is labeled by a char acter
any two edges out of a node have diferent labels
Define the label of a node $v$ as the concatenation of edge labels on the path from the root to $v$ , and denote it by $L ( v )$
for each $p \in P$ there’s a node $v$ with $L ( v ) = P$ , and
the label $L ( v )$ of any leaf $v$ equals some $p ∈P$

A keyword tree for $P$ ={he，she，his，hers}
这里写图片描述

goto function

States: nodes of the keyword tree
initial state: 0 = the root
the goto function $g(q; a)$ gives the state entered from current state q by matching target char $a$

if edge

(q;v) $(q; v)$ is labeled by

a $a$ , then

g(q;a)=v $g(q; a) = v$ ;

$g(0; a) = 0$ for each a that does not label an edge out of the root the automaton stays at the initial state while scanning non-matching characters
Otherwise $g(q; a) = \emptyset$ ;

failure function

the failure function $f(q)$ for $q \neq 0$ gives the state entered at a mismatch
$f(q)$ is the node labeled by the longest proper suffix $w$ of $L(q)$ $s.t. w$ is a prefix of some pattern,a fail transition does not miss any potential occurrences

f(q) is always defined, since $L(0) = \epsilon$ is a prefix of any pattern

Dashed arrows are fail transitions
这里写图片描述

$q$	1	2	3	4	5	6	7	8	9
$P$	h-	e-	s-	h-	e-	i-	s-	r-	s-
$f(q)$	0	0	0	1	2	0	3	0	3

output function

the output function $out(q)$ gives the set of patterns recognized when entering state $q$

q $q$

out(q) $out(q)$ 2 {he} 5 {she,he} 7 {his} 9 {hers}

大鹏的NLP博客

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
AC自动机算法笔记

AC算法是Alfred V.Aho（《编译原理》（龙书）的作者），和Margaret J.Corasick于1974年提出（与KMP算法同年）的一个经典的多模式匹配算法，可以保证对于给定的长度为n的文本，和模式集合P{p1,p2,...pm}P\{p_1,p_2,...p_m\}，在O(n)时间复杂度内，找到文本中的所有目标模式，而与模式集合的规模m无关. AC算法从某种程度上可以说是KMP
复制链接

扫一扫