python通过BF算法实现关键词匹配的方法
本文实例讲述了python通过BF算法实现关键词匹配的方法。分享给大家供大家参考。具体实现方法如下：
#!/usr/bin/python # -*- coding: UTF-8 # filename BF import time """ t="this is a big apple,this is a big apple,this is a big apple,this is a big apple." p="apple" """ t="为什么叫向量空间模型呢？其实我们可以把每个词给看成一个维度，而词的频率看成其值（有向），即向量，这样每篇文章的词及其频率就构成了一个i维空间图，两个文档的相似度就是两个空间图的接近度。假设文章只有两维的话，那么空间图就可以画在一个平面直角坐标系当中，读者可以假想两篇只有两个词的文章画图进行理解。" p="读者" i=0 count=0 start=time.time() while (i <=len(t)-len(p)): j=0 while (t[i]==p[j]): i=i+1 j=j+1 if j==len(p): break elif (j==len(p)-1): count=count+1 else: i=i+1 j=0 print count print time.time()-start
算法思想：目标串t与模式串p逐词比较，若对应位匹配，则进行下一位比较；若不相同，p右移1位，从p的第1位重新开始比较。
算法特点：整体移动方向：可认为在固定的情况下，p从左向右滑动；匹配比较时，从p的最左边位开始向右逐位与t串中对应位比较。p的滑动距离为1，这导致BF算法匹配效率低（相比其他算法，如：BM，KMP，滑动没有跳跃）。
该算法的时间复杂度为O（len(t)*len(p))，空间复杂度为O(len(t)+len(p))
希望本文所述对大家的Python程序设计有所帮助。
-
主要内容：BF算法原理,BF算法实现,BF算法时间复杂度,总结串的模式匹配算法，通俗地理解，是一种用来判断两个串之间是否具有"主串与子串"关系的算法。 主串与子串：如果串 A（如 "shujujiegou"）中包含有串 B（如 "ju"），则称串 A 为主串，串 B 为子串。主串与子串之间的关系可简单理解为一个串 "包含" 另一个串的关系。 实现串的模式匹配的算法主要有以下两种： 普通的模式匹配算法； 快速模式匹配算法； 本节，先来学习 普通模式匹配（BF）
-
本文向大家介绍python TF-IDF算法实现文本关键词提取，包括了python TF-IDF算法实现文本关键词提取的使用技巧和注意事项，需要的朋友参考一下 TF（Term Frequency）词频，在文章中出现次数最多的词，然而文章中出现次数较多的词并不一定就是关键词，比如常见的对文章本身并没有多大意义的停用词。所以我们需要一个重要性调整系数来衡量一个词是不是常见词。该权重为IDF（Inver
-
本文向大家介绍1秒50万字!js实现关键词匹配，包括了1秒50万字!js实现关键词匹配的使用技巧和注意事项，需要的朋友参考一下 在论坛和聊天室这样的场景里，为了保证用户体验，我们经常需要屏蔽很多不良词语。对于单个关键词查找，自然是indexOf、正则那样的方式效率比较高。但对于关键词较多的情况下，多次重复调用indexOf、正则的话去匹配全文的话，性能消耗非常大。由于目标字符串通常来说体积都比较大
-
本文向大家介绍python 实现敏感词过滤的方法，包括了python 实现敏感词过滤的方法的使用技巧和注意事项，需要的朋友参考一下 如下所示： 测试结果: 1) 敏感词 100个 2) 敏感词 1000 个 从上面的实验我们可以看出，在DFA 算法只有在敏感词较多的情况下，才有意义。在百来个敏感词的情况下，甚至不如普通算法 下面从理论上推导时间复杂度，为了方便分析，首先假定消息文本是等长的,长度为
-
本文向大家介绍字符串的模式匹配详解--BF算法与KMP算法，包括了字符串的模式匹配详解--BF算法与KMP算法的使用技巧和注意事项，需要的朋友参考一下 一.BF算法 BF算法是普通的模式匹配算法，BF算法的思想就是将目标串S的第一个字符与模式串P的第一个字符进行匹配，若相等，则继续比较S的第二个字符和P的第二个字符；若不相等，则比较S的第二个字符和P的第一个字符，依次比较下去，直到得出最后
-
本文向大家介绍c语言实现的带通配符匹配算法，包括了c语言实现的带通配符匹配算法的使用技巧和注意事项，需要的朋友参考一下 原创代码。 ‘？'代表任意单个字符，‘*'代表任意0个或多个字符。常用于文件的搜素匹配。 以上所述就是本文的全部内容了，希望大家能够喜欢。