计算具有相同字母的相似单词的数量[重复]答案

【问题标题】：Count the number of similar words having same letters [duplicate]计算具有相同字母的相似单词的数量[重复]
【发布时间】：2015-09-19 19:41:20
【问题描述】：

问题：

如何识别或统计具有相同的相似词的数量字母（字母的数量应该相同，顺序可以是任何东西）。

例如，以下是单词：

aabb, aaab, abbb, abaa, abab, aabc, caba, babb, baaa

以下是相似词：

aabb, abab
aaab, abaa, baaa
abbb, babb
aabc, caba

以下是我得到的基本逻辑：

方法一： 首先对单个单词中的字母进行排序。比较排序后的单词。

方法二： 比较剩余单词中每个单词的每个字母。（这将是最高的迭代次数）

请提出一些更好的解决逻辑..

【问题讨论】：

方法1有什么问题？
需要更高效的逻辑..他们不值得..
排序并不是真正需要的，我只会使用一组多重集。如果没有可用的多集实现，您只需要一个Set<Set<Pair<Character,Integer>>>
有很多方法可以做到这一点。您是否尝试过至少实现您提到的两种方法之一？
为每个算法找到大 O，并选择更好的一个

标签： java algorithm logic

【解决方案1】：

好吧，如果您有效地使用排序的单词，您的方法 1 几乎可以有效地解决问题。

首先，对单词进行排序。

现在您已将问题简化为Element Distinctness Problem，“相似词”刚刚变得相同。

可以通过以下两种方式之一完成：

对（排序的）单词列表进行排序，并迭代所有“相似”单词将彼此相邻。
在维护哈希表的同时进行迭代，该哈希表计算您看到每个单词的次数。（这种方法不需要第二类）。

您可以使用直方图，其中每个直方图计算每个字符的出现次数。每个单词都有这样的直方图，并检查相同的直方图。

【讨论】：

我不明白您为什么要尝试基于排序的“复杂”解决方案，而根本不需要它。只需使用一些哈希集就可以了。我错过了什么吗？
@Dici Hashing 并不比排序复杂，而是不同。我还提到了如何在不进行排序的情况下进行操作，如果您阅读了整个答案（或者如果您不知道直方图是什么，请要求澄清），您会看到它
散列比排序快，HashMap 的内存开销很小。感觉这不是这里的自然方法，如果你问任何非程序员，他们只会计算每个单词中的字母并比较结果。我没有明确指出您提出了一个不基于排序的解决方案，因为您以 first, sort the words 开头，但我现在可以看到您在最后一句话中这样做了
@Dici 如果字符串很短 - 那么散列中涉及的常量可能会克服 log(n) 因素（与排序相比，散列的常量很差）。如果它们不短 - 额外的内存可能是一个问题。这是一个经典问题，人们必须在现有的权衡中选择哪个更可取。
在实践中，重要的变量是单词的数量而不是它们的长度。在这方面，散列可以更好地扩展。但无论如何，你给出了两个答案，所以很好:)

【解决方案2】：

首先，你需要有一个LetterCluster 的类。在那个类中，您应该存储一个字符和数字的Map，一个长度数字以及找到的符合该组的单词。然后，想法是在每次迭代中为每个单词迭代所有单词和所有存在的组：

您将String 的长度与组的字符数进行比较。如果不匹配，则无需进一步分析，因为不同长度的字符串不可能有相同的字母
如果长度相同。如果String的Map与组的map等价，则将String加入组的词集合并停止迭代
如果没有找到该单词的兼容组，则创建一个新组，将单词的长度、其Map 及其自身存储在集合中。

请注意，此分组有效地划分了您的单词，您可以在同一组中看到具有相同字母表的单词。

【讨论】：

【解决方案3】：

我会说：计算每个不同的字母。然后比较计算出来的数字。

像'aabb' => a = 2, b = 2; 'abab' => a = 2, b = 2; 'aaab' => a = 3, b = 2。

时间复杂度应该不错，但内存复杂度与您正在使用的字母表中包含的字母数量成线性关系。

【讨论】：

字母表中的字母个数是恒定的，复杂度无法在此表达！你的解决方案（和我的）的内存复杂度是O(number of anagrams)，更糟糕的是O(number of words)。因此，它确实是线性的，但与字母表中的字母数量无关

【解决方案4】：

我不应该给你一个完整的答案，但我有一个简洁的功能解决方案：

Stream.of("aabb", "aaab", "abbb", "abaa", "abab", "aabc", "caba", "babb", "baaa")
      .map(s -> s.chars().boxed().collect(Collectors.groupingBy(i -> (char) i.intValue(), Collectors.counting())))
      .collect(Collectors.groupingBy(Function.identity(), Collectors.counting()))

【讨论】：

【解决方案5】：

首先以某种精确的方式定义相似度。

如果满足以下条件，您可以说两个词相似：

A1。它们是由相同的字母构成的

A2。单词 w1 在位置 p 的字母可以在 word2 的位置 (p-N ... p+N) 找到

以上两个 defs 都可以匹配您的请求，但不同。

【讨论】：