Skip to content

hkr04/SuffixArray

Repository files navigation

倍增构造后缀数组

时间复杂度 $\mathcal{O}(n\log n)$,空间复杂度 $\mathcal{O}(n)$(但处理大数据集时需要注意有常数)。

使用场景

该后缀数组需要保证输入为 utf-8 编码,在此基础上支持中文。使用 C++ 编写,并使用 Cython 构建 Python 库,因此支持的语言有 C++ 和 Python。

已有函数

  • size():返回文本串长度。
  • get_id(suf_rank):输入后缀排名(1-index),返回其在文本串中的位置(0-index)。
  • get_suf(suf_rank):输入后缀排名(1-index),返回对应后缀。
  • get_rank(suf_id):输入后缀左边界位置(0-index),返回对应字典序排名。
  • get_count(pattern):输入模式串,返回其在文本串中出现的次数。
  • get_prob(prompt):输入一段文本,返回其下一个字的概率分布。
  • get_branch_entropy(prompt):输入一段文本,返回其右分支熵。
  • get_mutual_information(text):输入一段文本,返回其互信息大小。

部署方式

执行

python setup.py build_ext --inplace

即可在当前目录下生成库文件。可以直接复制粘贴到使用该库的代码同路径下使用。

不足

  • 没有使用线性的构造算法(先这样吧)
  • 空间常数不小,不便用于大数据集
  • 没有充足的测试(目前仅用于个人使用,是一种能用就行的状态)

About

一个倍增构造后缀数组的简单实现

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published