[发明专利]基于决策树剪枝的模式匹配方法

摘要

本发明提出一种基于决策树剪枝的模式匹配方法，其结合决策树剪枝方法的简化AC算法，包括自动机的生成、自动机的简化、计算失败指针、存储后缀表与匹配的执行等步骤。本发明将传统自动机类型模式匹配算法拆分为两个步骤：匹配可能的判定与匹配确认。通过简化自动机判别文本串与模式集中模式串有无匹配的可能，再进行匹配的确认。在保证速度的前提下，本发明提出的简化方法相比传统自动机类型模式匹配算法内存消耗减少35％‑40％。此外，本发明通过决策树剪枝方法可有效减小自动机规模，删除对分类判定无用的节点，有效降低传统自动机类型模式匹配的内存消耗。

主权项

1.基于决策树剪枝的模式匹配方法，其特征是，包括如下步骤：步骤A.即根据自动机生成规则，将模式集中的模式串依次添加到自动机中；步骤B.在自动机生成过程中，每一个模式串添加完成，即将此模式串添加到当前节点的输出表中；步骤C.对生成的自动机进行剪枝，去除对分类来说属于非必要的节点，减少自动机节点数量，简化自动机；在对自动机进行剪枝的过程中，生成后缀表；即：步骤C1.对自动机的各个分支进行逐个遍历；步骤C2.当从根节点遍历至终端叶子节点的过程中，仅存在终端叶子节点这一个输出节点，即输出节点为1个时，则从终端叶子节点开始向上回溯至最后一个单分枝节点，将该单分枝节点的剪枝标志位置为1，修剪掉该单分枝节点之后的枝叶，并将该单分枝节点的后续枝叶包含的后缀以字符串的形式存储于后缀表；步骤C3.当从根节点遍历至终端叶子节点的过程中，存在除终端叶子节点这一个输出节点之外的其他输出节点，即输出节点为2个以上时，则从终端叶子节点开始向上回溯至倒数第二个输出节点，将该倒数第二个输出节点的剪枝标志位置为1，修剪掉该倒数第二个输出节点之后的枝叶，并将该倒数第二个输出节点的后续枝叶包含的后缀以字符串的形式存储于后缀表；步骤D.计算自动机各节点的状态深度，其中节点的状态深度为该节点距根节点的最短路径长度；步骤E.根据节点状态深度，计算出各节点的失败指针；步骤F.依次取出文本串中字符输入自动机，完成模式匹配。