在Python项目中,我有一个对象池,每个对象都用一组单词标记。我想生成所有的集合,包括标记的子集,映射到链接的对象。这些子集不应小于任何项目的完整标记集。例如,假设有这些带有标记的对象:apple: fruit, green, nature
sometree: tree, green, wood, nature
banana: fruit, nature
someplant: green, wood, nature
otherplant: green, wood, nature
结果应该是:
^{pr2}$
我不希望结果包含至少一个对象的不作为完整标记集存在的标记集。在
如果我想用一个基于索引的方法来实现,比如说?我不会有太多的东西,也许2000。不过,应该很快。在
我当前的解决方案迭代所有对象来创建一个字典,将所有标记集映射到对象。在第二次迭代中,我测试每个标记集是否是任何其他标记集的子集,如果是,请记住超集的对象。在
更新:在上面的O(n²)中,n引用对象的数量。我会有很多对象,每个对象都有大约五个标记。在
解决方案:感谢您的回复。我最后使用了azorius的方法,因为它既快速又健壮。这是列出所有组的完整示例:tagged = {
'apple': ['fruit', 'green', 'nature'],
'sometree': ['tree', 'green', 'wood', 'nature'],
'banana': ['fruit', 'nature'],
'someplant': ['green', 'wood', 'nature'],
'otherplant': ['green', 'wood', 'nature']
}
tag_sets = set()
tags_to_objects = {}
for obj, tags in tagged.items():
for tag in tags:
try:
tags_to_objects[tag].add(obj)
except KeyError:
tags_to_objects[tag] = set([obj])
# Record all tag sets
tag_set = frozenset(tags)
tag_sets.add(tag_set)
groups = {}
for tag_set in tag_sets:
objects = None
for tag in tag_set:
if objects:
objects = objects.intersection(tags_to_objects[tag])
else:
objects = tags_to_objects[tag]
groups[tag_set] = objects
for k,v in groups.items():
print '(%s): %s' % (', '.join(k), ', '.join(v))
因为这里有几种解决方案,所以我对1035个对象做了一些计时测试,每个对象大约有5个标记:azorius代码:127ms
布鲁斯密码:115ms
pillmuncher代码:137ms
在我看来,皮尔曼彻法典是最优雅的。在