从没有空格和标点符号的字符串中取消连接单词的算法
Algorithm to un-concatenate words from string without spaces and punctuation
我的数据结构出现了问题class，我想找到解决这个问题的方法。这类似于面试问题。如果有人可以解释问题的思考过程或解决方案。可以使用伪代码。到目前为止，我一直在考虑使用 tries 来保存字典并以这种方式查找单词以提高效率。
这是问题所在：
哦，不！当您遇到不幸的 Find/Replace 事故时，您刚刚完成了一份冗长的文档。您不小心删除了文档中的所有空格、标点符号和大写字母。像 "I reset the computer. It still didn't boot!" 这样的句子会变成 "iresetthecomputeritstilldidntboot"。您认为一旦正确分隔了各个单词，您就可以稍后重新添加标点符号和大写字母。大多数单词会在字典中，但一些字符串，如专有名词，不会。
给定一个字典（单词列表），设计一个算法来找到 "unconcatenating" 单词序列的最佳方式。在这种情况下，"optimal" 被定义为最小化无法识别的字符序列数的解析。
例如，字符串 "jesslookedjustliketimherbrother" 将被最佳解析为 "JESS looked just like TIM her brother"。此解析有七个无法识别的字符，为清楚起见，我们将其大写。
对于字符串中的每个索引 n，计算从该索引开始的最佳解决方案的成本 C(n)（即：最佳解析中无法识别的字符数）。
那么，您的问题的解决方案是C(0)。
C 存在递归关系。在每个 n 处，要么匹配 i 个字符的单词，要么跳过字符 n，产生 1 的成本，然后以最佳方式解析其余部分。您只需要找到这些选择中哪一个产生的成本最低。
设 N 为字符串的长度，设 W(n) 为包含字符串中从索引 n 开始的所有单词长度的集合。那么：
C(N) = 0
C(n) = min({C(n+1) + 1} union {C(n+i) for i in W(n)})
这可以使用动态规划来实现，方法是构造 C(n) 的 table 从末尾开始向后。
如果字典中最长单词的长度是 L，那么算法在最坏情况下的运行时间为 O(NL)，如果小心的话，可以实现为使用 O(L) 内存。
您可以尝试部分模式匹配器，例如 aho-corasick 算法。基本上它是后缀树的特殊 space 优化版本。
您可以使用不同长度的滚动哈希来加快搜索速度。
我的数据结构出现了问题class，我想找到解决这个问题的方法。这类似于面试问题。如果有人可以解释问题的思考过程或解决方案。可以使用伪代码。到目前为止，我一直在考虑使用 tries 来保存字典并以这种方式查找单词以提高效率。
这是问题所在：
哦，不！当您遇到不幸的 Find/Replace 事故时，您刚刚完成了一份冗长的文档。您不小心删除了文档中的所有空格、标点符号和大写字母。像 "I reset the computer. It still didn't boot!" 这样的句子会变成 "iresetthecomputeritstilldidntboot"。您认为一旦正确分隔了各个单词，您就可以稍后重新添加标点符号和大写字母。大多数单词会在字典中，但一些字符串，如专有名词，不会。
给定一个字典（单词列表），设计一个算法来找到 "unconcatenating" 单词序列的最佳方式。在这种情况下，"optimal" 被定义为最小化无法识别的字符序列数的解析。
例如，字符串 "jesslookedjustliketimherbrother" 将被最佳解析为 "JESS looked just like TIM her brother"。此解析有七个无法识别的字符，为清楚起见，我们将其大写。
对于字符串中的每个索引 n，计算从该索引开始的最佳解决方案的成本 C(n)（即：最佳解析中无法识别的字符数）。
那么，您的问题的解决方案是C(0)。
C 存在递归关系。在每个 n 处，要么匹配 i 个字符的单词，要么跳过字符 n，产生 1 的成本，然后以最佳方式解析其余部分。您只需要找到这些选择中哪一个产生的成本最低。
设 N 为字符串的长度，设 W(n) 为包含字符串中从索引 n 开始的所有单词长度的集合。那么：
C(N) = 0
C(n) = min({C(n+1) + 1} union {C(n+i) for i in W(n)})
这可以使用动态规划来实现，方法是构造 C(n) 的 table 从末尾开始向后。
如果字典中最长单词的长度是 L，那么算法在最坏情况下的运行时间为 O(NL)，如果小心的话，可以实现为使用 O(L) 内存。
您可以尝试部分模式匹配器，例如 aho-corasick 算法。基本上它是后缀树的特殊 space 优化版本。
您可以使用不同长度的滚动哈希来加快搜索速度。