实现一个简单的Trie以实现高效的Levenshtein距离计算 - Java
2022-09-01 03:59:31
更新 3
做。下面是最终通过我所有测试的代码。同样，这是根据Murilo Vasconcelo的Steve Hanov算法的修改版本建模的。感谢所有帮助！
/**
* Computes the minimum Levenshtein Distance between the given word (represented as an array of Characters) and the
* words stored in theTrie. This algorithm is modeled after Steve Hanov's blog article "Fast and Easy Levenshtein
* distance using a Trie" and Murilo Vasconcelo's revised version in C++.
*
* http://stevehanov.ca/blog/index.php?id=114
* http://murilo.wordpress.com/2011/02/01/fast-and-easy-levenshtein-distance-using-a-trie-in-c/
*
* @param ArrayList<Character> word - the characters of an input word as an array representation
* @return int - the minimum Levenshtein Distance
*/
private int computeMinimumLevenshteinDistance(ArrayList<Character> word) {
theTrie.minLevDist = Integer.MAX_VALUE;
int iWordLength = word.size();
int[] currentRow = new int[iWordLength + 1];
for (int i = 0; i <= iWordLength; i++) {
currentRow[i] = i;
}
for (int i = 0; i < iWordLength; i++) {
traverseTrie(theTrie.root, word.get(i), word, currentRow);
}
return theTrie.minLevDist;
}
/**
* Recursive helper function. Traverses theTrie in search of the minimum Levenshtein Distance.
*
* @param TrieNode node - the current TrieNode
* @param char letter - the current character of the current word we're working with
* @param ArrayList<Character> word - an array representation of the current word
* @param int[] previousRow - a row in the Levenshtein Distance matrix
*/
private void traverseTrie(TrieNode node, char letter, ArrayList<Character> word, int[] previousRow) {
int size = previousRow.length;
int[] currentRow = new int[size];
currentRow[0] = previousRow[0] + 1;
int minimumElement = currentRow[0];
int insertCost, deleteCost, replaceCost;
for (int i = 1; i < size; i++) {
insertCost = currentRow[i - 1] + 1;
deleteCost = previousRow[i] + 1;
if (word.get(i - 1) == letter) {
replaceCost = previousRow[i - 1];
} else {
replaceCost = previousRow[i - 1] + 1;
}
currentRow[i] = minimum(insertCost, deleteCost, replaceCost);
if (currentRow[i] < minimumElement) {
minimumElement = currentRow[i];
}
}
if (currentRow[size - 1] < theTrie.minLevDist && node.isWord) {
theTrie.minLevDist = currentRow[size - 1];
}
if (minimumElement < theTrie.minLevDist) {
for (Character c : node.children.keySet()) {
traverseTrie(node.children.get(c), c, word, currentRow);
}
}
}
更新 2
最后，我已经设法让它适用于我的大多数测试用例。我的实现实际上是从Murilo的steve Hanov算法的C++版本直接翻译过来的。那么我应该如何重构此算法和/或进行优化呢？下面是代码...
public int search(String word) {
theTrie.minLevDist = Integer.MAX_VALUE;
int size = word.length();
int[] currentRow = new int[size + 1];
for (int i = 0; i <= size; i++) {
currentRow[i] = i;
}
for (int i = 0; i < size; i++) {
char c = word.charAt(i);
if (theTrie.root.children.containsKey(c)) {
searchRec(theTrie.root.children.get(c), c, word, currentRow);
}
}
return theTrie.minLevDist;
}
private void searchRec(TrieNode node, char letter, String word, int[] previousRow) {
int size = previousRow.length;
int[] currentRow = new int[size];
currentRow[0] = previousRow[0] + 1;
int insertCost, deleteCost, replaceCost;
for (int i = 1; i < size; i++) {
insertCost = currentRow[i - 1] + 1;
deleteCost = previousRow[i] + 1;
if (word.charAt(i - 1) == letter) {
replaceCost = previousRow[i - 1];
} else {
replaceCost = previousRow[i - 1] + 1;
}
currentRow[i] = minimum(insertCost, deleteCost, replaceCost);
}
if (currentRow[size - 1] < theTrie.minLevDist && node.isWord) {
theTrie.minLevDist = currentRow[size - 1];
}
if (minElement(currentRow) < theTrie.minLevDist) {
for (Character c : node.children.keySet()) {
searchRec(node.children.get(c), c, word, currentRow);
}
}
}
感谢所有对这个问题做出贡献的人。我试图让Levenshtein Automata工作，但我无法实现它。
因此，我正在寻找有关上述代码的重构和/或优化的建议。如果有任何混淆，请告诉我。与往常一样，我可以根据需要提供其余的源代码。
更新 1
因此，我实现了一个简单的Trie数据结构，并且我一直在尝试按照Steve Hanov的python教程来计算Levenshtein Distance。实际上，我对计算给定单词和Trie中的单词之间的最小Levenshtein距离感兴趣，因此我一直在遵循Murilo Vasconcelos版本的Steve Hanov算法。它不是很有效，但这是我的Trie类：
public class Trie {
public TrieNode root;
public int minLevDist;
public Trie() {
this.root = new TrieNode(' ');
}
public void insert(String word) {
int length = word.length();
TrieNode current = this.root;
if (length == 0) {
current.isWord = true;
}
for (int index = 0; index < length; index++) {
char letter = word.charAt(index);
TrieNode child = current.getChild(letter);
if (child != null) {
current = child;
} else {
current.children.put(letter, new TrieNode(letter));
current = current.getChild(letter);
}
if (index == length - 1) {
current.isWord = true;
}
}
}
}
...和 TrieNode 类：
public class TrieNode {
public final int ALPHABET = 26;
public char letter;
public boolean isWord;
public Map<Character, TrieNode> children;
public TrieNode(char letter) {
this.isWord = false;
this.letter = letter;
children = new HashMap<Character, TrieNode>(ALPHABET);
}
public TrieNode getChild(char letter) {
if (children != null) {
if (children.containsKey(letter)) {
return children.get(letter);
}
}
return null;
}
}
现在，我尝试实现Murilo Vasconcelos的搜索，但是有些东西不对劲，我需要一些帮助来调试它。请就如何重构此内容和/或指出错误所在提供建议。我想重构的第一件事是“minCost”全局变量，但这是最小的事情。无论如何，这是代码...
public void search(String word) {
int size = word.length();
int[] currentRow = new int[size + 1];
for (int i = 0; i <= size; i++) {
currentRow[i] = i;
}
for (int i = 0; i < size; i++) {
char c = word.charAt(i);
if (theTrie.root.children.containsKey(c)) {
searchRec(theTrie.root.children.get(c), c, word, currentRow);
}
}
}
private void searchRec(TrieNode node, char letter, String word, int[] previousRow) {
int size = previousRow.length;
int[] currentRow = new int[size];
currentRow[0] = previousRow[0] + 1;
int replace, insertCost, deleteCost;
for (int i = 1; i < size; i++) {
char c = word.charAt(i - 1);
insertCost = currentRow[i - 1] + 1;
deleteCost = previousRow[i] + 1;
replace = (c == letter) ? previousRow[i - 1] : (previousRow[i - 1] + 1);
currentRow[i] = minimum(insertCost, deleteCost, replace);
}
if (currentRow[size - 1] < minCost && !node.isWord) {
minCost = currentRow[size - 1];
}
Integer minElement = minElement(currentRow);
if (minElement < minCost) {
for (Map.Entry<Character, TrieNode> entry : node.children.entrySet()) {
searchRec(node, entry.getKey(), word, currentRow);
}
}
}
我对缺乏评论表示歉意。那么我做错了什么呢？
初始职位
我一直在读一篇文章，使用Trie的快速和简单Levenshtein距离，希望找出一种有效的方法来计算两个字符串之间的Levenshtein距离。我这样做的主要目标是，给定一大组单词，能够找到输入单词和这组单词之间的最小Levenshtein距离。
在我简单的实现中，我计算每个输入单词的输入单词和单词集之间的Levenshtein距离，并返回最小值。它有效，但它效率不高...
我一直在Java中寻找Trie的实现，我遇到了两个看似不错的来源：
- Koders.com 版本
- code.google.com 版本（编辑：这似乎已经转移到 github.com/rkapsi)
但是，这些实现对于我尝试执行的操作来说似乎太复杂了。当我一直在阅读它们以了解它们的工作原理以及Trie数据结构的一般工作方式时，我只是变得更加困惑。
那么，如何在Java中实现一个简单的Trie数据结构呢？我的直觉告诉我，每个TrieNode都应该存储它所代表的字符串，并引用字母表中的字母，而不一定是所有字母。我的直觉正确吗？
一旦实现，下一个任务就是计算Levenshtein距离。我通读了上面文章中的Python代码示例，但我不会说Python，一旦我点击递归搜索，我的Java实现就会耗尽堆内存。那么，我该如何使用Trie数据结构来计算Levenshtein距离呢？我有一个微不足道的实现，以这个源代码为模型，但它不使用Trie...这是低效的。
除了您的意见和建议之外，如果能看到一些代码，那将是非常好的。毕竟，这对我来说是一个学习的过程...我从未实施过Trie...所以我从这次经历中学到了很多东西。
谢谢。
p.s. 如果需要，我可以提供任何源代码。另外，我已经通读了并尝试按照Nick Johnson的博客中的建议使用BK-Tree，但它并不像我认为的那样有效......或者也许我的实现是错误的。
