找到一组等长字符串的重叠？

Question

有100万个等长字符串（短字符串）。例如

ABCDEFGHI

fghixyzyz

ghiabcabc

zyzdddxfg

。 。

我想找到两个字符串的成对重叠.A“abcdefghi”和B“fghixyzyz”的重叠是 “fghi”，它是A的最大后缀，B的最大前缀，满足后缀，前缀相等。

是否有有效的算法可以找到集合中任意两个字符串的重叠？

Answer 1

其中一种有效的方法是为字符串集构建通用后缀树。要找到字符串x和y之间的重叠：

遵循常规后缀树中字符串y的路径标签。沿着此路径入射到字符串x的终端符号的最深节点具有路径标签，该路径标签等同于后缀前缀重叠x-＆gt; y。

有关详细信息，请参阅Gusfield的书“字符串，树和序列上的算法”中的第137页（“解决线性时间内的所有对后缀前缀问题”）。

警告：如果您的数据集很大（数百万/数十亿字符串），则会占用大量内存。