[发明专利]确定最长公共子序列的方法和装置

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种确定最长公共子序列的方法和装置。

背景技术

LCS(Longest Common Subsequence，最长公共子序列)算法是计算机科学领域比较经典的算法，用来比较序列的相似程度，具体说是用来寻找多个序列(一般是两个)最长公共子序列的一种算法。

相关技术中，通常采用动态规划算法或者一些优化的动态规划算法来确定两个序列之间的最长公共子序列。例如，节省内容的LCS算法，该算法在原有动态规划算法的基础上，对算法空间优化，以减少算法所占的空间。然而，相关的动态规范算法在最长公共子序列查找的最坏和最好时间复杂度都是O(mn)，(其中m，n分别为2个匹配串的长度)，在大部分实际数据的运算中时间较慢，不适合大规模计算。

发明内容

本发明旨在至少在一定程度上解决上述技术问题。

为此，本发明的第一个目的在于提出一种确定最长公共子序列的方法，提出了一种新的确定最长公共子序列的方式，该方法利用哈希表和动态数组计算最长公共子序列，对LCS算法的时间进行优化，降低了运算时间，提高了确定最长公共子序列的效率。

本发明的第二个目的在于提出一种确定最长公共子序列的装置。

为达上述目的，根据本发明第一方面实施例提出了一种确定最长公共子序列的方法，包括以下步骤：获取待匹配的第一字符序列和第二字符序列，其中，所述第一字符序列的长度为m，所述第二字符序列的长度为n，m大于或者等于n；根据所述第一字符序列构建以所述第一字符序列中的字符为关键字，并以对应字符的位置值为哈希值的哈希表；根据预设规则、所述第二字符序列和所述哈希表更新一维动态数组和二维动态数组，并获取遍历所述第二字符序列中最后一个字符之后所获得的目标一维数组和目标二维数组，其中，所述目标一维数组的长度N为所述第一字符序列与第二字符序列的最长公共子序列的长度，所述目标一维数组用于保存长度为i的公共子序列中最后一个字符最小的位置值，所述目标二维数组的第j行用于保存长度为j的公共子序列中最后一个字符所有的位置值，其中，i和j均为大于零，且小于或者等于N的整数；根据所述第一字符序列、所述目标一维数组和所述目标二维数组确定最长公共子序列。

根据本发明实施例的确定最长公共子序列的方法，在确定第一字符序列和第二字符序列的最长公共子序列的过程中，根据第一字符序列构建一个以字符为关键字，以字符对应的位置值为哈希值的哈希表，并根据预设规则、第二字符序列和哈希表更新一维动态数组和二维动态数组，并获取遍历第二字符序列中最后一个字符之后所获得的目标一维数组和目标二维数组，以及根据第一字符序列、目标一维数组和目标二维数组确定最长公共子序列。由此，提出了一种新的确定最长公共子序列的方式，该方法利用哈希表和动态数组计算最长公共子序列，对LCS算法的时间进行优化，降低了运算时间，提高了确定最长公共子序列的效率。

为达上述目的，本发明第二方面实施例提出了一种确定最长公共子序列的装置，包括：获取模块，用于获取待匹配的第一字符序列和第二字符序列，其中，所述第一字符序列的长度为m，所述第二字符序列的长度为n，m大于或者等于n；构建模块，用于根据所述第一字符序列构建以所述第一字符序列中的字符为关键字，并以对应字符的位置值为哈希值的哈希表；处理模块，用于根据预设规则、所述第二字符序列和所述哈希表更新一维动态数组和二维动态数组，并获取遍历所述第二字符序列中最后一个字符之后所获得的目标一维数组和目标二维数组，其中，所述目标一维数组的长度N为所述第一字符序列与第二字符序列的最长公共子序列的长度，所述目标一维数组用于保存长度为i的公共子序列中最后一个字符最小的位置值，所述目标二维数组的第j行用于保存长度为j的公共子序列中最后一个字符所有的位置值，其中，i和j均为大于零，且小于或者等于N的整数；确定模块，用于根据所述第一字符序列、所述目标一维数组和所述目标二维数组确定最长公共子序列。