CN116244402A - 基于双数组ac自动机的匹配方法和装置 - Google Patents
基于双数组ac自动机的匹配方法和装置 Download PDFInfo
- Publication number
- CN116244402A CN116244402A CN202310206073.5A CN202310206073A CN116244402A CN 116244402 A CN116244402 A CN 116244402A CN 202310206073 A CN202310206073 A CN 202310206073A CN 116244402 A CN116244402 A CN 116244402A
- Authority
- CN
- China
- Prior art keywords
- node
- array
- automaton
- double
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000009977 dual effect Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 11
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/328—Management therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了基于双数组AC自动机的匹配方法和装置,涉及数据结构、搜索、数据存储技术领域。具体实施方式包括:读取所述双数组AC自动机的各个区中的数据,其中,所述双数组AC自动机中的基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,所述双数组AC自动机中的数据指示至少一个目标词;将待匹配字符串与所述各个区中的数据进行匹配,得到匹配结果,其中,所述匹配结果指示所述待匹配字符串中是否存在目标词。本公开利用双数组AC自动机中存储的指示节点的所跳转节点和失配节点的数据可以更加快速地得到匹配结果。
Description
技术领域
本公开涉及计算机技术领域,具体涉及数据结构、搜索、数据存储技术领域,尤其涉及基于双数组AC自动机的匹配方法和装置。
背景技术
互联网上的文本是海量的,而进行文本中词语的匹配筛查是一项工作量大且耗时的工作。
一般的实现方式就是创建特定场景词库,检查文章中是否包含词库中的词语,其本质就是字符串的匹配。在相关技术中,可以按照匹配服务的响应性能情况,判断字符串的匹配速度。具体地,在字符串较长时,匹配的延迟可达数十秒。因此,字符串的匹配速度是亟待改进的。
发明内容
提供了一种基于双数组AC自动机的匹配方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种基于双数组AC自动机的匹配方法,包括:获取双数组AC自动机,其中,双数组AC自动机包括基准数组和校验数组,基准数组包括基地址区、失配区和跳转区,基地址区包括节点的基地址,失配区包括节点的失配节点数据,跳转区包括节点的所跳转节点数据,双数组AC自动机中的数据指示至少一个目标词;将待匹配字符串与各个区中的数据进行匹配,得到匹配结果,其中,匹配结果指示待匹配字符串中是否存在目标词。
根据第二方面,提供了一种基于双数组AC自动机的匹配装置,包括:获取单元,被配置成获取所述双数组AC自动机,其中,所述双数组AC自动机包括基准数组和校验数组,所述基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,所述双数组AC自动机中的数据指示至少一个目标词;匹配单元,被配置成将待匹配字符串与各个区中的数据进行匹配,得到匹配结果,其中,匹配结果指示待匹配字符串中是否存在目标词。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行基于双数组AC自动机的匹配方法中任一实施例的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行根据基于双数组AC自动机的匹配方法中任一实施例的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据基于双数组AC自动机的匹配方法中任一实施例的方法。
根据本公开的方案,提供了一种新的AC自动机,利用双数组的数据结构形式,将AC自动机的树形结构中的数据以有利于匹配的形式写入双数组中。这样,利用双数组AC自动机中存储的指示节点的所跳转节点和失配节点的数据可以了解到每个节点的成功匹配状态和失败匹配状态,可以更加快速、准确地得到匹配结果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开一些实施例可以应用于其中的示例性系统架构图;
图2a是根据本公开的基于双数组AC自动机的匹配方法的一个实施例的流程图;
图2b是根据本公开的基于双数组AC自动机的一个示意图;
图2c是根据本公开的基于双数组AC自动机的一个前缀树的示意图;
图2d是根据本公开的基于双数组AC自动机的生成方法中失配链的示意图;
图3a是根据本公开的基于双数组AC自动机的生成方法的流程图;
图3b是根据本公开的基于双数组AC自动机的另一个示意图;
图3c是根据本公开的基于双数组AC自动机的另一个示意图;
图4是采用双数组AC自动机和采用常规的AC自动机之间的识别耗时对比图;
图5是根据本公开的基于双数组AC自动机的匹配装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的基于双数组AC自动机的匹配方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的基于双数组AC自动机的匹配方法或基于双数组AC自动机的匹配装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的双数组AC自动机的各个区中的数据等数据进行分析等处理,并将处理结果(例如匹配结果)反馈给终端设备。
需要说明的是,本公开实施例所提供的基于双数组AC自动机的匹配方法可以由服务器105或者终端设备101、102、103执行,相应地,基于双数组AC自动机的匹配装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2a,示出了根据本公开的基于双数组AC自动机的匹配方法的一个实施例的流程200。该基于双数组AC自动机的匹配方法,包括以下步骤:
步骤201,获取所述双数组AC自动机,其中,所述双数组AC自动机包括基准数组和校验数组,所述基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,双数组AC自动机中的数据指示至少一个目标词。
在本实施例中,上述执行主体可以从本设备或者其它电子设备获取在先已经生成的双数组AC自动机。AC自动机(Aho-Corasick automaton,多模匹配算法)是一种前缀树。基于双数组AC自动机的匹配方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以读取双数组AC自动机中的各个区中的数据。双数组AC自动机包括基准(base)数组和校验(check)数组。其中的基准数组可以包括基地址区、失配区和跳转区。
如图2b所示,图中示出了基准数组包括基地址区、失配区和跳转区。在跳转区包括节点比如目标节点的所跳转节点数据。该所跳转节点数据指示节点比如目标节点在匹配成功时的所跳转节点。
具体地,失配区中存储了节点的失配节点数据。失配节点数据指示一个节点的失配节点,比如可以是失配节点的标识。双数组AC自动机的AC自动机中的节点在匹配失败时应该跳转到的节点即是失配节点。
如图2c所示,以前缀树为例,如果待匹配字符串为shis,从前缀树的根节点1开始,将字符串中的首字符s与前缀树中的s匹配,匹配成功并跳转到节点2。之后继续从节点2开始匹配,字符串的字符h与前缀树中的h匹配成功(也即接收h成功)并跳转到节点4。之后,继续从4匹配,字符串中的字符i与前缀树中的e匹配失败,查找节点4的失配节点。具体地,从节点4的父节点2的失配节点1处找,判断这个节点1是否能够接收h。判断结果为是,则失配后所跳转到的失配节点为节点1在接收h后所跳转到的节点3。之后,再从失配节点3继续跳转,因为字符串中的字符i与前缀树中的i匹配成功,跳转到节点5。之后,再从节点5继续跳转,字符串中的字符s与前缀树中的s匹配成功,跳转到节点8。这样,字符串shis就与该前缀树匹配成功,也即前缀树中的数据指示了该字符串。
双数组AC自动机中的数据指示至少一个目标词,如果实现了匹配成功,则表明待匹配字符串中存在该数据指示的目标词。具体来说,双数组AC自动机所包含的字符所组成的词是固定的,这些所组成的词即是目标词。在将待匹配字符与一个双数组AC自动机进行匹配时,所得到的匹配结果一定包含于该双数组AC自动机的目标词。
步骤202,将待匹配字符串与各个区中的数据进行匹配,得到匹配结果,其中,匹配结果指示待匹配字符串中是否存在目标词。
在本实施例中,上述执行主体可以将待匹配字符串与双数组AC自动机的各个区中的数据进行匹配,得到匹配结果。如果匹配成功,则待匹配字符串中存在一个或多个目标词,如果未匹配成功,则待匹配字符串中不存在目标词。举例来说,待匹配的字符串shis与前缀树完全匹配成功。因此,上述字符串shis存在目标词。
本公开的上述实施例提供的方法提供了一种新的AC自动机,利用双数组的数据结构形式,将AC自动机的树形结构中的数据以有利于匹配的形式写入双数组中。这样,利用双数组AC自动机中存储的指示节点的所跳转节点和失配节点的数据可以了解到每个节点的成功匹配状态和失败匹配状态,可以更加快速、准确地得到匹配结果。
在本公开任一实施例的一些可选的实现方式中,所述双数组AC自动机中的校验数组包括词节点区,所述词节点区包括目标AC自动机的词节点数据。
在这些实现方式中,目标AC自动机是双数组AC自动机的AC自动机。词节点数据可以是指示词节点的标识。这里的词是指字符组成的词,比如在字符是英文字母时,词可以是英文单词。在字符是中文时,词可以是中文词汇。要匹配的目标即是词,因此这里存入的也是词。
词节点具体指从根节点到该词节点之间的字符可以组成有意义的词。比如图2d中的节点13。
这些实现方式可以避免相关技术中在进行匹配时往往需要从根节点开始按照节点顺序逐节点进行遍历匹配,并需要多次跳转才可能匹配出目标词的问题。因此,本实施例无需进行节点的匹配也无需进行节点的跳转,可以更加快速、准确地得到匹配结果。
在本公开任一实施例的一些可选的实现方式中,所述双数组AC自动机中的校验数组包括索引区,所述索引区存在索引数据,所述索引数据用于指示目标AC自动机的词节点对应的词。
在这些实现方式中,双数组AC自动机还可以包括索引区。具体地,索引区位于双数组AC自动机的校验数组中。具体地,目标AC自动机的词节点所对应的词也即字符串,可以存储在本设备或者其它电子设备上,而该索引数据就可以指示该词。具体地,指示该词可以是指示该词的字符串本身,和/或指示该词所存储的位置。
在一些情况下,索引区还可以存储AC自动机中词节点以外其它节点的索引数据,具体地,可以将这些其它节点的索引数据存储为各种指定形式比如存储为空或指定字符。
这些实现方式可以通过索引区的索引数据指示词节点对应的词,以便于快速、准确地匹配到目标词,避免了在AC自动机的各个节点上遍历节点来匹配词。
进一步参考图3a,其示出了双数组AC自动机的生成方法的一个实施例的流程300。在该流程中,节点的所跳转节点数据在跳转区中的存储地址是以该节点所接受的字符作为偏移量从该节点的基地址偏移所得到的地址。该流程300,包括以下步骤:
步骤301,获取目标AC自动机的节点的失配节点数据。
在本实施例中,任意执行主体(例如图1所示的服务器或终端设备)可以从本设备或者其它电子设备获取目标AC自动机的节点的失配节点数据。对于每个节点,该执行主体都可以确定一个失配节点,进而生成指示该失配节点的失配节点数据。
步骤302,将目标AC自动机的节点的失配节点数据和基地址,分别存入双数组的失配区和基地址区,其中,失配区和基地址区中的数据条数相同。
在本实施例中,为了得到目标AC自动机对应的双数组也即双数组AC自动机,该执行主体可以将目标AC自动机的节点的失配节点数据存入双数组的基准数组的失配区,并将该节点的基地址,存入双数组的基准数组的基地址区。
在实践中,该执行主体可以对于每个节点,都存储该节点的失配节点数据,并存储该节点的基地址,因而,该节点存储在失配区的失配节点数据的数量,和存储在基地址区的基地址的数量可以是相同的。这样,可以完备地存储各个节点的状态信息,提高双数组AC自动机中数据的详尽程度。
步骤303,对于目标AC自动机的节点在双数组中的基地址,响应于目标字符是该节点的可接受字符,将目标字符的数值作为偏移量,确定从基地址偏移在双数组的跳转区得到的目标地址,将接受目标字符后所跳转到的节点的所跳转节点数据存入目标地址。
在本实施例中,节点的所跳转节点数据在跳转区中的存储地址是:以该节点所接受的字符的数值作为偏移量,从该节点的基地址偏移所得到的地址。该执行主体通过将节点的失配数据和基地址分别存入双数组中的失配区和基地址区,并将节点的所跳转节点数据存入双数组中跳转区的目标地址,从而得到了双数组AC自动机的基准数组。
节点的可接受字符指:该节点和AC自动机中该节点的下一个节点之间的字符。比如图2d中,节点2的可接受字符为s。字符的数值是预先编码得到的,可以作为相对于基地址的偏移量。节点的基地址是按照预设的基地址确定方式得到的。
举例来说,如果节点1可以接受字符x跳转到节点2,那么将节点1的基地址Z作为偏移的基准也即偏移前的原始位置,将字符x的编码97作为偏移量,确定基地址Z偏移后的地址Y。将地址Y作为存储指示节点2的所跳转节点数据的地址。此外,在校验数组中还可以存入所跳转到的节点2的父节点也即节点1。
双数组AC自动机的校验check数组可以包括存储各种数据的区域,比如包括元数据区,此外,还可以包括扩展元数据区。如图3b所示,图中示出了元数据区和扩展元数据区。
本实施例可以在生成双数组AC自动机的时候,通过失配数据详尽记录各个节点的失配节点,并通过基地址偏移,体现出节点跳转时可接受字符的数值。
在本实施例的一些可选的实现方式中,响应于双数组AC自动机中的校验数组包括词节点区,上述生成步骤还包括:对于目标AC自动机中的词节点,将该词节点的词节点数据存入词节点区。
在这些可选的实现方式中,上述执行主体可以对于双数组AC自动机的AC自动机也即目标AC自动机中的词节点,将词节点的词节点数据,存入词节点区。
在这些实现方式的一些可选的应用场景中,词节点数据的获取步骤包括:获取目标AC自动机的失配链,其中,失配链中的失配节点指示的字符串存在后缀重合;在失配链中确定词节点,生成指示该词节点的词节点数据。
在这些可选的应用场景中,任意执行主体可以获取双数组AC自动机的失配链,并在失配链中查找词节点,之后生成指示该词节点的词节点数据。
AC自动机中的失配链的各个失配节点指示的字符串存在后缀重合的特性。如图2d所示,图中示出了一条失配链,其按照失配指针的指向是节点10、节点9、节点7和节点1。查找(比如遍历)该失配链可知,其中的节点7是词节点。其中,从节点1至节点10,构成了字符串xshe,从节点1至节点9构成了字符串she,从节点1指节点7构成了字符串he。这三个字符串存在后缀重合,具体地,xshe与she存在重合she。He与she、xshe存在重合he。
这些应用场景利用AC自动机后缀重合的特性,更容易找到各个词,也即通过失配链可以更便捷、准确地找到词对应的词节点。
在本实施例的一些可选的实现方式中,响应于双数组AC自动机中的校验数组包括索引区,生成步骤还包括:将目标AC自动机的词节点所对应词的索引数据,写入索引区。
在这些实现方式中,基于双数组AC自动机的匹配方法运行于其上的执行主体可以将词节点所对应词的索引数据,写入索引区。
在一些情况下,可以将这些其它节点的索引数据存储为各种指定形式比如存储为空或指定字符。
如图3c所示,图中示出了双数组AC自动机。具体地,该双数组AC自动机包括基准数组和校验数组。其中,基准数组包括基地址区、失配区、跳转区。基地址区的数据条数和失配区的数据条数可以是相同的,比如都是m条。校验数组包括索引区、词节点区。
在本实施例的一些可选的实现方式中,双数组AC自动机存储有层高;生成步骤还包括:响应于双数组中的校验数组包括元数据区,确定目标AC自动机中词节点的层高,其中,层高指示词节点所对应的词的长度;将层高存入元数据区。
在这些可选的实现方式中,为了避免遍历各个节点来查找词节点,本实施例采用了层高,来表示词节点的节点位置。具体地,双数组AC自动机的AC自动机中,从根节点到词节点之间包括的字符的数量,也即词的长度,为词节点的层高。
这样,在将层高存入双数组的元数据区之后,该双数组指示的双数组AC自动机的元数据区中可以存储有层高。
这些实现方式可以通过层高,避免在匹配时对各个节点进行遍历来查找词节点,提高了匹配效率。
如图4所示,图中示出了分别采用本申请的双数组AC自动机和常规的AC自动机(非双数组AC自动机),进行目标词字符串的匹配也即识别的情况下,所产生的匹配耗时。双数组AC自动机采用图中实线表示,常规的AC自动机采用图中虚线表示。图中的横坐标为在以10为底时,目标字符串长度的对数。相应地,横坐标为4时,纵坐标即是目标字符串的长度为10000时,匹配所产生的耗时。
具体地,在横坐标为4时,常规的AC自动机的耗时超过了1.6×106纳秒,而双数组AC自动机的耗时则不足0.2×106纳秒。
在本公开任一实施例的一些可选的实现方式中,所述双数组AC自动机存储有层高。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种基于双数组AC自动机的匹配装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的基于双数组AC自动机的匹配装置500包括:获取单元501和匹配单元502。其中,获取单元501,被配置成获取所述双数组AC自动机,其中,所述双数组AC自动机包括基准数组和校验数组,所述基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,所述双数组AC自动机中的数据指示至少一个目标词;匹配单元502,被配置成将待匹配字符串与所述各个区中的数据进行匹配,得到匹配结果,其中,所述匹配结果指示所述待匹配字符串中是否存在目标词。
在本实施例中,基于双数组AC自动机的匹配装置500的获取单元501和匹配单元502的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,节点的所跳转节点数据在跳转区中的存储地址是以该节点所接受的字符的数值作为偏移量从该节点的基地址偏移所得到的地址;所述双数组AC自动机的生成步骤包括:获取目标AC自动机的节点的失配节点数据;将目标AC自动机的节点的失配节点数据和基地址,分别存入双数组的失配区和所述基地址区,其中,所述失配区和所述基地址区中的数据条数相同;对于所述目标AC自动机的节点在所述双数组中的基地址,响应于目标字符是该节点的可接受字符,将所述目标字符的数值作为偏移量,确定从所述基地址偏移在所述双数组的跳转区得到的目标地址,将接受所述目标字符后所跳转到的节点的所跳转节点数据存入所述目标地址。
在本实施例的一些可选的实现方式中,所述双数组AC自动机中的校验数组包括词节点区,所述词节点区包括目标AC自动机的词节点数据。
在本实施例的一些可选的实现方式中,响应于所述双数组AC自动机中的校验数组包括词节点区,所述生成步骤还包括:对于所述目标AC自动机中的词节点,将该词节点的词节点数据存入所述词节点区。
在本实施例的一些可选的实现方式中,所述词节点数据的获取步骤包括:获取所述目标AC自动机的失配链,其中,所述失配链中的失配节点指示的字符串存在后缀重合;在所述失配链中确定词节点,生成指示该词节点的词节点数据。
在本实施例的一些可选的实现方式中,所述双数组AC自动机中的校验数组包括索引区,所述索引区存在索引数据,所述索引数据用于指示目标AC自动机的词节点对应的词。
在本实施例的一些可选的实现方式中,响应于所述双数组AC自动机中的校验数组包括索引区,所述生成步骤还包括:将所述目标AC自动机的词节点所对应词的索引数据,写入所述索引区。
在本实施例的一些可选的实现方式中,所述双数组AC自动机存储有层高;所述生成步骤还包括:响应于所述双数组中的校验数组包括元数据区,确定所述目标AC自动机中词节点的层高,其中,所述层高指示所述词节点所对应的词的长度;将所述层高存入所述元数据区。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如基于双数组AC自动机的的方法。例如,在一些实施例中,基于双数组AC自动机的的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的基于双数组AC自动机的的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于双数组AC自动机的的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (12)
1.一种基于双数组AC自动机的匹配方法,所述方法包括:
获取所述双数组AC自动机,其中,所述双数组AC自动机包括基准数组和校验数组,所述基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,所述双数组AC自动机中的数据指示至少一个目标词;
将待匹配字符串与所述各个区中的数据进行匹配,得到匹配结果,其中,所述匹配结果指示所述待匹配字符串中是否存在目标词。
2.根据权利要求1所述的方法,其中,所述双数组AC自动机中的校验数组包括词节点区,所述词节点区包括目标AC自动机的词节点数据。
3.根据权利要求1或2所述的方法,其中,所述双数组AC自动机中的校验数组包括索引区,所述索引区存在索引数据,所述索引数据用于指示目标AC自动机的词节点对应的词。
4.根据权利要求1所述的方法,其中,节点的所跳转节点数据在跳转区中的存储地址是以该节点所接受的字符的数值作为偏移量从该节点的基地址偏移所得到的地址;
所述双数组AC自动机的生成步骤包括:
获取目标AC自动机的节点的失配节点数据;
将目标AC自动机的节点的失配节点数据和基地址,分别存入双数组的失配区和所述基地址区,其中,所述失配区和所述基地址区中的数据条数相同;
对于所述目标AC自动机的节点在所述双数组中的基地址,响应于目标字符是该节点的可接受字符,将所述目标字符的数值作为偏移量,确定从所述基地址偏移在所述双数组的跳转区得到的目标地址,将接受所述目标字符后所跳转到的节点的所跳转节点数据存入所述目标地址。
5.根据权利要求4所述的方法,其中,响应于所述双数组AC自动机中的校验数组包括词节点区,所述生成步骤还包括:
对于所述目标AC自动机中的词节点,将该词节点的词节点数据存入所述词节点区。
6.根据权利要求5所述的方法,其中,所述词节点数据的获取步骤包括:
获取所述目标AC自动机的失配链,其中,所述失配链中的失配节点指示的字符串存在后缀重合;
在所述失配链中确定词节点,生成指示该词节点的词节点数据。
7.根据权利要求4或5所述的方法,其中,响应于所述双数组AC自动机中的校验数组包括索引区,所述生成步骤还包括:
将所述目标AC自动机的词节点所对应词的索引数据,写入所述索引区。
8.根据权利要求4所述的方法,其中,响应于所述双数组AC自动机存储有层高,所述生成步骤还包括:
响应于所述双数组中的校验数组包括元数据区,确定所述目标AC自动机中词节点的层高,其中,所述层高指示所述词节点所对应的词的长度;
将所述层高存入所述元数据区。
9.一种基于双数组AC自动机的匹配装置,所述装置包括:
获取单元,被配置成获取所述双数组AC自动机,其中,所述双数组AC自动机包括基准数组和校验数组,所述基准数组包括基地址区、失配区和跳转区,所述基地址区包括节点的基地址,所述失配区包括节点的失配节点数据,所述跳转区包括节点的所跳转节点数据,所述双数组AC自动机中的数据指示至少一个目标词;
匹配单元,被配置成将待匹配字符串与所述各个区中的数据进行匹配,得到匹配结果,其中,所述匹配结果指示所述待匹配字符串中是否存在目标词。
10.根据权利要求9所述的装置,其中,节点的所跳转节点数据在跳转区中的存储地址是以该节点所接受的字符的数值作为偏移量从该节点的基地址偏移所得到的地址;
所述双数组AC自动机的生成步骤包括:
获取目标AC自动机的节点的失配节点数据;
将目标AC自动机的节点的失配节点数据和基地址,分别存入双数组的失配区和所述基地址区,其中,所述失配区和所述基地址区中的数据条数相同;
对于所述目标AC自动机的节点在所述双数组中的基地址,响应于目标字符是该节点的可接受字符,将所述目标字符的数值作为偏移量,确定从所述基地址偏移在所述双数组的跳转区得到的目标地址,将接受所述目标字符后所跳转到的节点的所跳转节点数据存入所述目标地址。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206073.5A CN116244402A (zh) | 2023-02-27 | 2023-02-27 | 基于双数组ac自动机的匹配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310206073.5A CN116244402A (zh) | 2023-02-27 | 2023-02-27 | 基于双数组ac自动机的匹配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116244402A true CN116244402A (zh) | 2023-06-09 |
Family
ID=86632896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310206073.5A Pending CN116244402A (zh) | 2023-02-27 | 2023-02-27 | 基于双数组ac自动机的匹配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116244402A (zh) |
-
2023
- 2023-02-27 CN CN202310206073.5A patent/CN116244402A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113204621B (zh) | 文档入库、文档检索方法,装置,设备以及存储介质 | |
AU2017268599B2 (en) | Method, device, server and storage medium of searching a group based on social network | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN112989235B (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN111984876A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN113792232B (zh) | 页面特征计算方法、装置、电子设备、介质及程序产品 | |
CN116244402A (zh) | 基于双数组ac自动机的匹配方法和装置 | |
CN111492364B (zh) | 数据标注方法、装置及存储介质 | |
CN115687717A (zh) | Grok表达式获取方法、装置、设备及计算机可读存储介质 | |
CN115328898A (zh) | 一种数据处理方法、装置、电子设备及介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN111026629A (zh) | 一种测试脚本自动生成的方法和装置 | |
CN113742485A (zh) | 一种处理文本的方法和装置 | |
CN114490408A (zh) | 一种测试用例生成方法、装置、设备、存储介质及产品 | |
CN113987260A (zh) | 一种视频推送方法、装置、电子设备及存储介质 | |
CN109426358B (zh) | 信息输入方法和装置 | |
CN111858917A (zh) | 文本分类方法和装置 | |
CN114579520B (zh) | 镜像数据处理方法、镜像数据加载方法及装置 | |
CN113642559B (zh) | 基于扫描设备的文本获取方法、装置、设备以及存储介质 | |
CN114461889B (zh) | 数据搜索的方法、装置、电子设备及程序产品 | |
CN114490400A (zh) | 一种处理测试用例的方法和装置 | |
CN109426356B (zh) | 信息输入方法和装置 | |
CN113434508B (zh) | 用于存储信息的方法和装置 | |
CN112783507B (zh) | 数据引流回放方法、装置、电子设备及可读存储介质 | |
CN113326416A (zh) | 检索数据的方法、向客户端发送检索数据的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |