【问题标题】:String hashing with linear probing使用线性探测的字符串散列
【发布时间】:2011-01-08 23:32:25
【问题描述】:

我一直在试图弄清楚如何使用线性探测进行字符串散列。

基本上,这个想法是对字典中的每个字符串(90000 个单词)进行哈希处理,然后检索所选单词的字谜。

这就是我所做的:

  1. 创建了一个 2*90000 大小的哈希表

  2. 使用简单的哈希函数,我对字典中的每个单词进行哈希,得到一个值

  3. 检查该哈希表索引是否为空,如果是,则赋值,如果不是,则生成新的哈希值。

  4. 在每个单词都在哈希表中之后,我执行搜索

  5. 搜索词会在hash函数后得到一个hash值,检查hash表中是否存在该值。

  6. 如果存在,它将使用排列比较字符串。如果匹配为真,它将输出它。如果没有,它将继续使用新的哈希值查找。

问题是,整个过程非常缓慢......它索引很好,但搜索需要很长时间。

我不知道如何让它更快..

感谢您抽出宝贵时间阅读本文。

【问题讨论】:

  • 您使用哪种数据结构来存储散列字符串?
  • 我使用的是字符串数组,因为它需要遵循线性探测。

标签: c++ hash


【解决方案1】:

首先按字母顺序排列所有字母,然后使用您喜欢的任何散列算法对结果进行散列(crc32、md5sum、sha1、计算元音、任何东西......虽然计算元音会导致效率较低的解决方案) ,并将单词作为叶节点存储到该哈希条目(显然是在链表中)——对哈希结果执行 mod(x) 以将桶限制为 2^x。

然后,当你去寻找一个字谜时,对你的 test 单词执行完全相同的“插入”过程:按字母顺序排列字母,然后通过相同的哈希函数运行它。然后对于每个叶节点,将按字母顺序排列的字母列表与已保存单词的字母顺序列表进行比较。每场比赛都是一个字谜。

(我通常不喜欢提供作业帮助,但这个太诱人了。现在我有点想写一个有趣的小程序来查找给定字典中的所有字谜。)

【讨论】:

  • 问题是关于线性探测 - 他应该将单词存储在下一个打开的存储桶中,而不是存储在(不存在的)叶节点中。但是您对字母进行排序的建议比调整哈希算法本身要好。
  • +1 用于对字母进行排序,对于字谜,这真的很有意义,您甚至可以获得所有字谜最终都在同一个桶中的好处。
【解决方案2】:

线性探测用于您使用的哈希函数对某些输入字符串产生冲突的情况。在这种情况下,您按顺序搜索哈希表,直到找到您的搜索键。

这种方法有个缺点,如果有一个碰撞,就会有更多。

一种方法是您可以使用Separate Chaining 并使用平衡树作为存储桶来改进查找。

如果您只是想提高性能,请确保没有冲突(在这种情况下查找完全是 O(1)),如果有,请增加哈希表大小。

【讨论】:

    【解决方案3】:

    如果您正在搜索输入单词的每个排列,这就是问题的根源。一个单词的字母排列的数量可以变得非常大。

    相反,选择一个对单词的任何排列(字谜)都相同的哈希函数。例如,基于单词中字符的字符代码之和。

    【讨论】:

    • 虽然这解决了眼前的问题,但它是一个非常糟糕的哈希算法——会有大量的冲突。更好的解决方案是 tylerl 提出的,它可以使用很好的哈希算法,并且仍然可以应对大量的排列。
    • 我没有说散列函数是什么,只是说它对于任何排列都是一样的。如果你先对字符进行排序,这符合我的标准。虽然是一个坏例子。
    • 如果它们的长度不同,它们怎么可能是字谜?还是我误解了这个问题?
    • 基本上,字典里所有的词都是不同长度的。假设我正在搜索的单词是“step”,字典中的单词“pets”。比方说,(例如,“步”是 1+2+3+4 = 10)。但是 5+5=10, 3+3+3+1=10.. 的情况也是一样的。不同的长度会影响我得到什么类型的哈希值,更有可能发生冲突。
    【解决方案4】:

    您是否正在尝试创建给定字符串的 Anagrams?在这种情况下,只需在获取字符串作为输入时创建一个字谜。散列这些字符串有什么意义?

    编辑:首先,我建议您获取给定字符串的所有排列,然后遍历包含所有单词的字典文件。这样做的好处是您不需要将所有单词都保存在内存中。如果您想进一步优化,请根据字符串长度按升序或降序对整个文件进行排序,并继续检查字典文件中的字符串,直到

    【讨论】:

    • 搜索该字谜是否为有效单词
    • 字谜需要来自字典。由于有 90000 个单词,因此使用排列逐个遍历它们应该会更慢..
    猜你喜欢
    • 2021-01-28
    • 1970-01-01
    • 2011-01-21
    • 2016-07-05
    • 2022-11-06
    • 1970-01-01
    • 2013-06-27
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多