題目描述
分析與解法
這個問題比較完整正規的說明是：
給定一段產品的英文描述，包含m個英文本母，每個英文單詞以空格分隔，無其他標點符號；再給定n個英文單詞關鍵字，請說明思路並程式設計實現方法
string extractsummary(string description,string key words)@owen：掃瞄過程始終保持乙個[left,right]的range,初始化確保[left,right]的range裡包含所有關鍵字則停止。然後每次迭代：
1.試圖右移動left，停止條件為再移動將導致無法包含所有關鍵字。
2.比較當前range's length和best length，更新最優值。
3.右移right，停止條件為使任意乙個關鍵字的計數+1。
4.重複迭代。
假設給定的已經是經過網頁分詞之後的結果，詞語序列陣列為w。其中w[0], w[1],…, w[n]為一些已經分好的詞語。
那麼，我們該怎麼做呢？
解法一
「程式設計師面試、演算法研究、程式設計藝術、紅黑樹4大經典原創系列集錦與總結
出處：
--/結構/之/法/演算法/之/道/blog/之/博主/....「（網頁的分詞效果w陣列）
這也就是我們期望的w陣列序列。
之前的q陣列序列為：
「結構之法」（使用者輸入的關鍵字q陣列）w0,w1,w2,w3,q0,w4,w5,q1,w6,w7,w8,q0,w9,q1從搜尋引擎的角度看：搜尋引擎經過把上述網頁分詞後，便得到了上述的分詞效果，然後在這些分詞中查詢「結構之法」4個關鍵字，但這4個關鍵字不一定只會出現一遍，它可能會在這篇文章中出現多次，就如上面的w-q序列一般。咱們可以假想出下面的結果（結構之法便出現了兩次）：
由此，我們可以得出解決此問題的思路，如下：
依次操作下去，一直到遍歷至目標陣列w的最後乙個位置為止。
最終，通過比較，咱們確定如下分詞序列作為最短摘要，即搜尋引擎給出的分詞效果：
那麼，這個演算法的時間複雜度如何呢？
解法二
我們試著降低此問題的複雜度。因為上述思路一再進行查詢的時候，總是重複地迴圈，效率不高。那麼怎麼簡化呢？先來看看這些序列：
w0,w1,w2,w3,q0,w4,w5,q1,w6,w7,w8,q0,w9,q1w0,w1,w2,w3,q0,w4,w5,q1,w6,w7,w8,q0,w9,q1w0,w1,w2,w3,q0,w4,w5,q1,w6,w7,w8,q0,w9,q1w0,w1,w2,w3,q0,w4,w5,q1,w6,w7,w8,q0,w9,q1//july、updated，2011.10.21
int ntargetlen = n + 1; // 設定目標長度為總長度+1
int pbegin = 0; // 初始指標
int pend = 0; // 結束指標
int nlen = n; // 目標陣列的長度為n
int nabstractbegin = 0; // 目標摘要的起始位址
int nabstractend = 0; // 目標摘要的結束位址
while(true)
while(isallexisted())
pbegin++;
} if(pend >= n)
break;
}
解法三
關於最短摘要的生成，我覺得july的處理有些簡單，我以july的想法為基礎，提出了自己的一些想法，這個問題分以下幾步解決：
1.將傳入的key words生成雜湊表，便於以後的字串比較。結構為keyhash，如下：
struct keyhash
當然，作為雜湊表結構，該結構體中還會有其它值，這裡不贅述。
初始狀態下，所有雜湊結構的cnt欄位為0。
2.建立乙個keyword結構，結構體如下：
struct keyword
start欄位指向了關鍵字在文章中的起始位置。
3.建立幾個全域性變數:
keyword* head，指向了雙向鍊錶的頭，初始為null。
keyword* tail，指向了雙向鍊錶的尾，初始為null。
int minlen，當前掃瞄到的最短的摘要的長度，初始為0。
int minstartpos，當前掃瞄到的最短摘要的起始位置。
int needkeycnt，還需要幾個關鍵字才能夠包括全部的關鍵字，初始為關鍵字的個數。
5.當needkeycnt變成0時，表示掃瞄到了全部的關鍵字了。此時要進行乙個操作：煉表頭優化。煉表頭指向的word是摘要的起始點，可是如果對應的keyhash結構中的cnt大於1，表示掃瞄到的摘要中還有該關鍵字，因此可以跳過該關鍵字。因此，此時將煉表頭更新為下乙個關鍵字，同時，將對應的keyhash中的結構中的cnt減1，重複這樣的檢查，直至某個煉表頭對應的keyhash結構中的cnt為1，此時該結構不能夠少了。
6.如果找到更短的minlength，則更新minlength和minstartpos。
7.開始新一輪的搜尋。此時摘除鍊錶的第乙個節點，將needkeycnt加1，將下乙個節點作為煉表頭，同樣的開始煉表頭優化措施。搜尋從上一次的搜尋結束處開始，不用回溯。就是所，搜尋在整個演算法的過程中是一直沿著文章向下的，不會回溯，直至文章搜尋完畢。
這樣的演算法的複雜度初步估計是o(m+n)。
8.另外，我覺得該問題不具備實際意義，要具備實際意義，摘要應該包含完整的句子，所以摘要的起始和結束點應該以句號作為分隔。
這裡，新建立乙個結構：sentence，結構體如下：
struct sentence
掃瞄時，建立關鍵字鍊錶時，也要建立sentence鍊錶。當掃瞄到包含了所有的關鍵字時，必須要掃瞄到乙個完整句子的結束。開始做sentence頭節點優化。做法是：檢視sentence結構中的全部key結構，如果全部的key對應的keyhash結構的cnt屬性全部大於1，表明該句子是多餘的，去掉它，去掉它的時候更新對應的hashkey結構的關鍵字，因為減去了很多的關鍵字。然後對下乙個sentence結構做同樣的操作，直至某個sentence結構是必不可少的，就是說它包含了當前的摘要中只出現過一次的關鍵字！
掃瞄到了乙個摘要後，在開始新的掃瞄。更新sentence鍊錶的頭結點為下乙個節點，同時更新對應的keyhash結構中的cnt關鍵字，當某個cnt變成0時，就遞增needkeycnt變數。再次掃瞄時仍然是從當前的結束位置開始掃瞄。
初步估計時間也是o(m+n)。
機器學習經典演算法之（二十一） 嶺回歸
一 嶺回歸簡介 線性回歸最主要問題是對異常值敏感。在真實世界的資料收集過程中，經過會遇到錯誤的度量結果。而線性回歸使用的普通最小二乘法，其目標是使平方誤差最小化。這時，由於異常值誤差的絕對值很大，因此破壞整個模型。如何解決呢？我們引入正則化項的係數作為閾值來消除異常的影響。這個方法稱為嶺回歸。具體原...
RHEL6入門系列之二十一，管理交換分割槽
換分割槽的概念在前面曾提到過，交換分割槽類似於windows系統中的虛擬記憶體，能夠在一定程度上緩解物理記憶體不足的問題。當物理記憶體接近不足時，系統會將記憶體中不經常呼叫 cpu不經常處理的資料轉移到交換分割槽中，以騰出更多的記憶體空間讓常用的程式使用。在windows系統中是採用乙個名為page...
MySQL學習筆記之二十一 使用者的許可權
一 資料庫和表的許可權 下列許可權運用於資料庫和表上的操作。select 允許你使用select語句從表中檢索資料。select語句只有在他們真正從乙個表中檢索行是才需要select許可權，你可以執行某個select語句，甚至沒有任何到伺服器上的資料 庫里的訪問任何東西的許可。例如，你可使用mysq...