在过去的几天里,我进行了大量研究,读了很多东西,现在比以前更加困惑了。如何在一个大数据集中找到最长的公共子字符串?这个算法需要连续运行,以从该数据集中删除重复内容(长度各不相同)。所谓大数据集是指大约100MB的文本。
后缀树?后缀数组?Rabin-Karp算法?哪种方法最好?是否有可以帮助我的库?
真心希望得到一个好的回答,我的头已经很疼了。谢谢! :-)
后缀树?后缀数组?Rabin-Karp算法?哪种方法最好?是否有可以帮助我的库?
真心希望得到一个好的回答,我的头已经很疼了。谢谢! :-)