中文信息学报一种改进的Wu2Manber多模式匹配算法及应用Ξ.PDFVIP

中　文 　信 　息 　学 　报 第 20 卷 第 2 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol 20 No2 ( ) 文章编号 :1003 - 0077 2006 02 - 0047 - 06 一种改进的WuManber 多模式匹配算法及应用 孙晓山 ,王 　强 ,关 　毅 ,王晓龙 ( 哈尔滨工业大学 计算机学院 ,黑龙江 哈尔滨 　150001) 摘要 :本文针对 Wu - Manber 多模式匹配算法在处理后缀模式情况下的不足 ,给出了一种改进的后缀模 式处理算法 ,减少了匹配过程中字符比较的次数 ,提高了算法的运行效率 。本文在随机选择的 TREC2000 的 52 ,067 篇文档上进行了全文检索实验 , 对比了Wu - Manber 算法 、使用后缀模式的改进算法 、不使用后缀模式 的简单改进等三种算法的匹配过程中字符比较的次数 。实验结果说明 ,本文的改进能够比较稳定的减少匹配 过程中字符比较的次数 ,提高匹配的速度和效率 。 关键词 :计算机应用 ; 中文信息处理 ;多模式匹配 ;后缀模式 ;字符串匹配 ;全文检索 ;信息检索 中图分类号 :TP391 　　　　文献标识码 :A An Improved WuManber Multiplepattern Matching Algorithm and Its Application SUN Xiaoshan ,WAN G Qiang , GUAN Yi ,WAN G Xiaolong ( School of Computer Science and Technology , Harbin Institute of Technology ,Haerbin ,Heilongj iang 150001 ,China) Abstract : The WuManber multiplepattern matching algorithm does not work well when some patterns are suffix of other patterns. To solve the problem , an improved algorithm is introduced which reduces the number of comparisons during pattern matching and leads to a faster matching algorithm. The text retrieval experiments use 52 ,067 passages which are randomly selected from TREC2000 . Three algorithms including the WuManber algorithm , the improved algorithm and the algorithm simply breaks halfway ,are compared and the results show that the improved algorithm can steadily reduce the number of character comparisons and thus work more efficiently. Key words :computer application ; Chinese information processing ;multiplepattern matching ; suffix pattern ; string match ing ; full text retrieval ; information retrieval 1 　前言 快速的多模式匹配算法在信息检索中的全文检索有广泛