[发明专利]一种基于关键字词频特征的多模式匹配方法

摘要

本发明提供一种基于关键字词频特征的多模式匹配方法，首先从已知的信息数据库中提取关键字并统计出现频率作为其词频信息，其次采用构造含有关键字词频信息的二叉树完成其中的模式串匹配，在字符匹配过程中若出现字符不相等，则与该不匹配字符所在节点的兄弟节点所含字符进行匹配。其利用信息来源的模式的关键字词频信息构造基于字典树的二叉树完成其中的模式串的匹配，并与AC算法进行了比较。传统的AC算法需要维护三张表，并且在模式匹配过程中会频繁访问这三张表；本发明的一种基于关键字词频特征的多模式匹配方法更多的利用了模式本身的词频信息，并不需要维护过多的信息，这就大大减少了系统的内存消耗。

主权项

1.一种基于关键字词频特征的多模式匹配方法，包括以下步骤：S21初始化二叉树；S22输入待匹配模式串后开始匹配；S23若匹配成功则判断匹配成功节点是否含有模式串结束标志，若是则输出模式串，若否则判断匹配成功节点的左分支节点是否存在，若是则将指针指向其左分支节点并返回S22，若否则结束匹配；若匹配失败则判断匹配失败节点的右分支节点是否存在，若是则将指针指向其右分支节点并返回S22，若否则结束匹配；S24判断指针移动后是否超出待匹配模式串串尾，若否则返回S22，若是则结束匹配；其中，所述初始化二叉树包括：A)假设有定义在字符集Σ上的模式串集合K＝{s₁,s₂,s₃,…,s_n}，其中，s₁,s₂,s₃,…s_k…,s_n表示从已知数据库中提取的模式串，n表示模式串数量，其取值范围与计算机性能相关；用K中的模式串生成二叉树,并记第i层的左起第j个节点为a_ij，其中i，j＝0,1,2，……，将同一模式中的字符所在节点标记为f_k，并将终结字符节点标记为o_k，其中k表示模式串集合中的第k个字符串，k＝1,2，……，n；B)统计模式串s_k出现的频率p_k，并将频率p_k作为模式串s_k的词频加入含有o_k标记的节点；C)设匹配一个字符的计算力是c，二叉树中最左分支由底向上的第一个分支节点为A，从A到输出其下m个分支中所有模式分别需要匹配节点l_m次，m为A分支个数，由左向右对应模式s_k，s_k+1，……，s_k+m‑1；计算期望E_m1＝c*l_k*p_k+c*l_k+1*p_k+1+……+c*l_k+m‑1*p_k+m‑1；其中，c表示计算力，l_k表示对应匹配模式s_k所需匹配节点次数，p_k表示s_k所携带该模式词频信息；然后交换分支计算E_m2，……，直至计算出最小期望E_A＝min{E_m1，E_m2，……}，此时由右向左对应模式s’_k，s’_k+1，……，s’_k+m‑1；D)由左向右由底向上依次找出A之外的所有节点并按上述方式进行二叉树的重构，当根节点计算完毕并交换分支后，即得到最终的二叉树。