Question

我目前正在开发自己的Suffix Tree实现（使用C ++，但问题仍然是语言不可知）。我研究过the original paper from Ukkonen。这篇文章很清楚，所以我开始研究我的实现并试图解决广义后缀树的问题。

在树中，从节点到另一个节点的每个子串都使用一对整数表示。虽然这对于常规后缀树来说很简单，但是当多个字符串在同一个树中共存时（这将成为广义后缀树）会出现问题。实际上，现在这样一对是不够的，我们需要另一个变量来说明我们正在使用哪个参考字符串。

一个简单的例子。考虑字符串coconut：

子字符串nut为(4,6)。
我们在树中添加troublemaker，(4,6)现在可以是：
- nut如果我们引用第一个字符串。
- ble如果我们引用第二个字符串。

为了解决这个问题，我想添加一个代表字符串的id：

// A pair of int is a substring (regular tree)
typedef std::pair<int,int> substring;
// We need to bind a substring to its reference string:
typedef std::pair<int, substring> mapped_substring;

我目前面临的问题如下：

我得到一个查询，在树中添加一个字符串。在算法期间，我可能必须检查与其他已注册字符串相关的现有转换，表示为三元组（引用字符串id ， k ， p ）。一些更新操作基于子字符串索引，如何在这种情况下执行它们？

注意：这个问题与语言无关，所以我没有包含c++ - 标记，但会显示一个小片段。

Answer 1

如果你的通用后缀树中只有几个字符串，那么你可以使用唯一的终端符号（这些终端符号不应该在输入字符串中使用）在一个字符串中将它们连接在一起。

例如，假设您有5个字符串：str1，str2，str3，str4和str5，那么您可以将这5个字符串连接为str1 $ str2＃str3 @ str4％str5，然后创建此连接字符串的后缀树

由于我们必须使用唯一的终端符号，因此可以在通用后缀树中添加多少个最大字符串。任何永远不会在输入字符串中使用的字符都可以作为终端符号。

因此，基于一组预定义的终端符号，我们可以编写代码。

以下文章可能会有所帮助。

Generalized Suffix Tree

Ukkonen的广义后缀树算法

1 个答案: