StevenLuke

摘要： 本文介绍了Python对于正则表达式的支持，包括正则表达式基础以及Python正则表达式标准库的完整介绍及使用示例。本文的内容不包括如何编写高效的正则表达式、如何优化正则表达式，这些主题请查看其他教程。 注意：本文基于Python2.4完成；如果看到不明白的词汇请记得百度谷歌或维基，what... 阅读全文

摘要： 1. 概述 广义的分类（classification或者categorization）有两种含义：一种含义是有指导的学习（supervised learning）过程，另一种是无指导的学习（unsupervised learning）过程。通常前者称为分类，后者称为聚类（clustering）... 阅读全文

摘要： 摘要 TextRank是一个图排序模型，还是一个非监督方法。可用于关键字提取和短语提取。 TextRank模型 TextRank基于全图，递归获取全局信息，来决定每个顶点的重要性。 其中，d是阻尼系数，通常取0.85。（论文Brin and Page，1998）。 TextRank算法运行结... 阅读全文

摘要： WM.h #ifndef WM_H#define WM_H#include #include #include#define HASHTABLESIZE (256*256)#define MAXLEN 256typedef struct wm_pattern_struct{ struct wm_... 阅读全文

摘要： AC-BM算法将待匹配的字符串集合转换为一个类似于Aho-Corasick算法的树状有限状态自动机，但构建时不是基于字符串的后缀而是前缀。匹配时，采取自后向前的方法，并借用BM算法的坏字符跳转(Bad Character Shift)和好前缀跳转(Good Prefix Shift)技术。 ... 阅读全文

摘要： ACBM算法： ACBM算法是在AC自动机的基础之上，引入了BM算法的多模扩展，实现的高效的多模匹配。和AC自动机不同的是，ACBM算法不需要扫描目标文本串中的每一个字符，可以利用本次匹配不成功的信息，跳过尽可能多的字符，实现高效匹配。 比如：{P} = {her，where，red... 阅读全文

摘要： 在 Java2中，有一套设计优良的接口和类组成了Java集合框架Collection，使程序员操作成批的数据或对象元素极为方便。这些接口和类有很多对抽象数据类型操作的API，而这是我们常用的且在数据结构中熟知的。例如Map，Set，List等。并且Java用面向对象的设计对这些数据结构和算法进... 阅读全文

摘要： Wu-Manber算法采用跳跃不可能匹配字符和hash散列的方法，加速匹配的进行。该方法需要对所有模式进行预处理，构建SHIFT，HASH和PREFIX这3个表。SHIFT表同Boyer-Moore算法里的转移表，用来存储字符集中所有块字符在文本中出现时的转移距离；HASH表用来存储匹配窗... 阅读全文

摘要： 上一篇文章，我介绍了KMP算法。 但是，它并不是效率最高的算法，实际采用并不多。各种文本编辑器的"查找"功能（Ctrl+F），大多采用Boyer-Moore算法。 Boyer-Moore算法不仅效率高，而且构思巧妙，容易理解。1977年，德克萨斯大学的Robert S. Boyer教授... 阅读全文

摘要： 在我的《AC算法详解》一文中，还存在一个很大的疏漏，那就是用蛮力法计算自动机的fail跳转表，这实际上是一个极度低效的方法。在Aho，Corasick两人的论文中，给出的是逐层求fail表的方法，两人证明了这个方法可以在O(n)（其中n为所有模式串的总长度和）时间复杂度内计算出模式集合P的fa... 阅读全文