\prednaska{7}{Vyhledávání v textu}{(zapsali J. Kunèar, M. Demin a J. Chludil)}
-Na minulých predná¹kách jsme si ukázali, jak se v textu vyhledává slovo. Teï si
-ov¹em úlohu zobecníme a uká¾eme si, jak v~kupce sena vyhledat více ne¾ jednu
-jehlu.
+Na minulých predná¹kách jsme si ukázali, jak se v~textu (senì) vyhledává slovo (jehlu). Teï si ov¹em úlohu zobecníme a uká¾eme si, jak v kupce sena hledat souèasnì více ne¾ jednu jehlu.
+
+\h{Hledání výskytu v¹ech slov}
-\h{Zopakujeme si základní znaèení}
\itemize\ibull
-\:$\iota_1, \ldots, \iota_k$ -- jehly
-\:$\sigma$ -- text (seno)
+\:$\iota_1, \ldots, \iota_k$ -- vyhledávaná slova (jehly) délek $ J_i= \vert\iota_i\vert $
+\:$\sigma$ -- text (seno) délky $ S= \vert\sigma\vert $
\endlist
+Nejprve si øekneme, jak chceme, aby vypadal výstup. Výstupem pro nás budou v¹echny uspoøádané dvojice $(i,j)$ ($i$ je index jehly, kterou jsme nalezli, a $j$ je poèáteèní pozice v senì, kde se jehla nachází) takové, ¾e $$\iota_i=\sigma[j:j+J_i].$$ Postavme si proto vyhledávací automat podobný tomu, který jsme vidìli na minulé pøedná¹ce. Tento automat nám v¹echny takové uspoøádané dvojice najde.
-\h{Hledání výskytu v¹ech slov}
-Nejprve si øeknìme, jak chceme aby vypadal výstup a poté jak ho dosáhnout. Výstupem pro nás budou v¹echny uspoøádané dvojice $(i,j)$ takové, ¾e $$\iota_i=\sigma[j:j+\vert\iota_i\vert]$$ Postavme si proto vyhledávací automat, který najde v¹echny takové uspoøádané dvojice.
-\h{Vyhledávací automat}
-Vyhledávací automat je vlastnì obecný $n$-ární strom, kde jednotlivé hrany odpovedají písmenùm a vrcholy, ve kterých konèí slovo, jsou oznaèené (na obrazcích èernì). Do tohto vyhledávacího stromu budeme postupnì pøidávat zpìtné hrany.
+\h{Vyhledávací automat}
+Vyhledávací automat je strom\foot{http://en.wikipedia.org/wiki/Trie}, kde ka¾dý vrchol mù¾e mít stupeò a¾ do velikosti abecedy a kde jednotlivé hrany odpovídají písmenùm této abecedy. Vrcholy, ve kterých konèí slovo, jsou oznaèené (na obrazcích èernì). Dále si èasem do tohoto vyhledávacího stromu pøidáme zpìtné hrany a \uv{zkratky}.
-\s{Zpìtná hrana} $z$($\alpha$) := nejdel¹í vlastní suffix\foot{definováno na 6. pøedná¹ce} slova $\alpha$, který je stavem.
+\s{\I{Stavy}} automatu jsou urèeny vrcholy stromu, pro které platí rovnì¾ stejný {\I{invariant}} z pøedchozí pøedná¹ky.\par
+\s{\I{Zpìtná hrana}} $z$($\alpha$) := nejdel¹í vlastní suffix\foot{definováno na minulé pøedná¹ce} slova $\alpha$, který je stavem.\par
\figure{vyhl_automat_dopr.eps}{Vyhledávací automat}{1in}
\h{Výstup z automatu}
-Pøi vypisování výsledkù mu¾eme narazit na urèité problémy. První problém urèitì nastane, proto¾e v automatu není pøesnì øeèeno, které slovo konèí v jakém vrcholu.
+Pøi vypisování výsledkù mu¾eme narazit na urèité problémy, které jsou dobøe vidìt na následujícím obrázku. První problém urèitì nastane, proto¾e v automatu není pøesnì øeèeno, které slovo konèí v jakém vrcholu.
Napøíklad ve stavu, kde konèí slovo BARBARA, konèí také slovo ARA, ale o tom nevíme.
-Druhý problém nastává, kdy¾ v automatu není zaznaèen konec slova. Pøíkladem je seno BARAB (jednoduché k nahlédnutí viz. obrázek).
+Druhý problém nastává, kdy¾ v automatu není informace o~konci slova. Pøíkladem je seno BARAB (jednoduché k~nahlédnutí, viz obrázek).
Teï nám nezbývá nic jiného, ne¾ najít øe¹ení tìchto záludných problémù. Øe¹e¹í se nám naskýtá hned nìkolik:
\itemize\ibull
-\:Projdeme v¹echy zpìtné hrany a vypí¹eme slova, jen¾ v daných stavech konèí. Toto øe¹ení funguje, ale je pomalé, proto¾e procházíme v¹echny zpìtné hrany.
-\:Pøepoèítání mno¾in. Najdeme mno¾inu slov tak, aby celková velikost slov byla vìt¹í ne¾ lineární. Funkèní, ale konstrukce je pomalá.
-\:\s{\<slovo>($s$)} = index slova $\iota$, které konèí ve stavu $s$, nebo $\emptyset$ \par
+\:Projdeme v¹echy zpìtné hrany a vypí¹eme slova, je¾ v daných stavech konèí. Toto øe¹ení funguje, ale je pomalé, proto¾e poka¾dé procházíme v¹echny zpìtné hrany.
+%\:Pøedpoèítání mno¾in slov. Najdeme mno¾inu slov tak, aby celková velikost slov byla vìt¹í ne¾ lineární. Funkèní, ale konstrukce je pomalá.
+\:Pro následující øe¹ení, jen¾ spoèívá v nalezení zkratek ve stromì, si zavedeme toto znaèení:\par
+\s{\<slovo>($s$)} = index slova $\iota$, které konèí ve stavu $s$, nebo $\emptyset$ \par
\s{\<out>($s$)} = nejbli¾¹í vrchol, do kterého se lze z $s$ dostat po zpìtných hranách a \<slovo(v)> $\ne 0$ (konèí tam slovo)
-\figure{Graphic2.eps}{Vyhledávací automat -- se zpìtnými hranami}{1.3in}
+\figure{Graphic2.eps}{Vyhledávací automat se zpìtnými hranami}{1.3in}
\endlist
-\>Jako vhodné øe¹ení tohoto problému se naskýtá poslední bod. Podle nìho vytvoøíme algoritmus na vyhledávání "jehel v senì".
+\>Podle posledního bodu vytvoøíme algoritmus na vyhledávání \uv{jehel v senì}.
\algo
-\:$s \leftarrow$ \<koøen> ($s$ je aktuální stav vyhledávacího automatu)
-\:procházíme v¹echny písmena $c$ v senì $\sigma$
-\::$s \leftarrow krok(s,c)$
-\::je-li \<slovo(s)> $\ne 0 \Rightarrow$ \<vypi¹(slovo(s))>
-\::$v \leftarrow out(s)$
-\::dokud $v \ne 0 $
-\:::vypi¹ \<slovo(v)>
-\:::$v \leftarrow$ \<out(v)>
+\:$s \leftarrow$ \<koøen> ($s$ bude aktuální stav vyhledávacího automatu).
+\:Procházíme v¹echny písmena $c$ v senì $\sigma$:
+\::$s \leftarrow krok(s,c)$.
+\::Je-li $\<slovo>(s) \ne 0$, vypí¹eme $\<slovo>(s)$.
+\::$v \leftarrow \<out>(s)$.
+\::Dokud $v \ne 0$:
+\:::Vypí¹eme $\<slovo>(v)$.
+\:::$v \leftarrow \<out>(v)$.
\endalgo
-\s{\<krok(s,c)>}:= jeden \<krok> ve vyhledávacím automatu
+\s{\<krok(s,c)>}:= jeden \<krok> vyhledávacího automatu:
\algo
-\:Dokud $\not\exists f(s,c) \wedge s \ne$ koøen: $s \leftarrow$ \<z(s)>
-\:Pokud $\exists f(s,c)$: $s \leftarrow$ \<f(s,c)>
-\:Vrátíme $s$
+\:Dokud $\not\exists f(s,c) \wedge s \ne$ \<koøen>: $s \leftarrow z(s)$.
+\:Pokud $\exists f(s,c)$: $s \leftarrow f(s,c)$.
+\:Vrátíme $s$.
\endalgo
-\s{Reprezentace v pamìti}
-\itemize\ibull
-\:pole se seznamem synù
-\:hashovací tabulka \<(stav,znak)> $\rightarrow$ \<f(stav,znak)> -- pro velké abecedy
-\endlist
+\h{Reprezentace v pamìti}
+První mo¾nost, jak reprezentovat vyhledávací automat, je jednorozmìrné pole vrcholù stromu, v nìm¾ ukládáme seznam synù pro ka¾dý vrchol. Je to jednoduchá varianta, ale má nevýhodu pro velké abecedy, proto¾e procházení seznamu synù mù¾e trvat neúmìrnì dlouho. Proto se nabízí druhá mo¾nost a to hashovací tabulka $(\<stav>,\<znak>) \rightarrow f(\<stav>,\<znak>)$, kde se \uv{ztratí} pou¾ívání hashovací funkce.
\h{Slo¾itost}
\itemize\ibull
-\:kroky 2.--5. mají èasovou slo¾itost $O(\vert \sigma \vert)$, kterou jednodu¹e doká¾eme pomocí potenciálu -- poèet krokù nahoru $ \leq $ poèet krokù dolù $= max(\vert \sigma \vert) $, kde $\vert \sigma \vert$ je délka sena
-\:kroky 6.--8. mají èasovou slo¾itost \<O(poèet výskytù)>, proto¾e rychleji opravdu nejdou v¹echny výskyty vypsat
+\:Kroky 2.--5. mají èasovou slo¾itost $\O(\vert \sigma \vert)$, kterou jednodu¹e doká¾eme pomocí potenciálu -- poèet krokù nahoru je men¹í nebo roven poètu krokù dolù. A to je maximálnì $S$.
+\:Kroky 6.--8. mají èasovou slo¾itost $\O(\<poèet výskytù>)$, proto¾e rychleji doopravdy nelze v¹echny výskyty vypsat.
\endlist
\s{Konstrukce automatu} (Aho, Corasicková)
\algo
-\:postavíme strom dopøedných hran $r \leftarrow$ koøen stromu
-\:spoèteme \<slovo>($\ast$)
-\:spoèteme $z(\ast)$: $z(\beta)=\alpha(\beta[1:]) \{\beta[1:]$ slovo $\beta$ bez prvního písmene$\}$
-\itemize\ibull
-\:$z(\beta) = \alpha(\beta[1:])$ - v¹echny zpìtné hrany vedou do vy¹¹ích hladin
-\:\<z(v) = krok(z(u),c)>
-\endlist
-\figure{Graphic100.eps}{\<z(v) = krok(z(u),c)>}{0.7in}
-\:$z(r) \leftarrow 0$, do fronty $Q$ pøiøadíme v¹echny syny $r$, pro v¹echny $v$ prvky $Q: z(v) \leftarrow r$
-\:dokud fronta $Q$ není prázdná:
-\::$u\leftarrow$ vyber z $Q$
-\::pro syny $v$ vrcholu $u$:
-\:::$R \leftarrow$ \<krok>($z(u)$, znak na hranì \<uv>)
-\:::$z(v)\leftarrow R$
+\:Postavíme strom dopøedných hran, $r \leftarrow$ koøen stromu.
+\:Spoèteme $\<slovo>(\ast)$ -- oznaèíme si stavy, kde konèí slova.
+\:Spoèteme $z(\ast)$: $z(\beta)=\alpha(\beta[1:])$:
+ {\parindent=6em \itemize\ibull
+ \:\>\>\>$z(\beta) = \alpha(\beta[1:])$ -- v¹echny zpìtné hrany vedou do vy¹¹ích hladin
+ \:$z(v) = \<krok>(z(u),c)$
+ \endlist}
+\figure{Graphic100.eps}{$\<z>(v) = \<krok>(z(u),c)$}{0.7in}
+\:$z(r) \leftarrow 0$, do fronty $Q$ pøiøadíme v¹echny syny $r$, pro v¹echny $v$ prvky $Q: z(v) \leftarrow r$.
+\:Dokud fronta $Q$ není prázdná:
+\::$u\leftarrow$ vybereme z~$Q$.
+\::Pro syny $v$ vrcholu $u$:
+\:::$R \leftarrow \<krok>(z(u))$ [znak na hranì \<uv>].
+\:::$z(v)\leftarrow R$.
\figure{Graphic101.eps}{}{0.7in}
-\:::je-li $slovo(R) \not= 0 \Rightarrow out(v) \leftarrow R$, jinak $out(v) = out(R)$
+\:::Je-li $slovo(R) \not= 0 \Rightarrow \<out>(v) \leftarrow R$, jinak $\<out>(v) \leftarrow \<out>(R)$.
\figure{Graphic102.eps}{}{0.7in}
\endalgo
\figure{vyhl_automat_full.eps}{Vyhledávací automat -- kompletní}{1in}
\s{Vìta:}
-Algoritmus A-C najde v¹echny výskyty slov $\iota_1, \ldots, \iota_k$ ve slove $\sigma$ v èase $$O(\Sigma_i \vert \iota_i \vert + \vert \sigma \vert + \# \<výskytù>)$$
+Algoritmus Aho-Corasicková najde v¹echny výskyty slov $\iota_1, \ldots, \iota_k$ ve~slovì $\sigma$ v~èase $\O(\sum_i \vert \iota_i \vert + \vert \sigma \vert + \<poèet výskytù>)$.
\h{Polynomy a násobení}
-Mìjme dva polynomy definované jako
-$$P(x) = \sum_{j=0}^{n-1} p_j x^j, Q(x) = \sum_{j=0}^{n-1} q_j x^j$$
-Násobení dvou polynomù $R=P*Q$ je ekvivalentní s operací $R = \sum_{j,k} p_j q_k k^{j+k}$. Pøièem¾ na vypoèítání èlenu $r_l = \sum_{j=0}^l p_j q_{l-j}$ pou¾ijeme $\Theta(n)$ operací, teda na spoèítaní celého polynomu $R$ potøebujeme $\Theta(n^2)$ operací.
+\>Mìjme dva polynomy definované jako:
+$$P(x) = \sum_{j=0}^{n-1} p_j x^j, \quad Q(x) = \sum_{j=0}^{n-1} q_j x^j.$$
+Násobení dvou polynomù $R=P \cdot Q$ je ekvivalentní s operací $R = \sum_{j,k} p_j q_k x^{j+k}$. Pøièem¾ na vypoèítání èlenu $r_l = \sum_{j=0}^l p_j q_{l-j}$ pou¾ijeme $\Theta(n)$ operací, tedy na spoèítaní celého polynomu $R$ potøebujeme $\Theta(n^2)$ operací.
-\s{Vìta:} Jsou-li $x_0, \ldots, x_k \in \bb{R} $ navzájem ruzná a $y_0, \ldots, y_k \in \bb{R}$, pak $\exists !$ polynom P stupnì $\leq k : \forall j: P(x_j) = y_j$
+Podíváme se na jinou mo¾nost, jak tento problém øe¹it. Poslou¾í nám k~tomu následující vìta o jednoznaèné existenci polynomu nejvý¹e $k$-tého stupnì, pokud známe hodnoty
+ve~více ne¾ $k$ bodech.
+
+\s{Vìta:} Jsou-li $x_0, \ldots, x_k \in \bb{R} $ navzájem ruzná a $y_0, \ldots, y_k \in \bb{R}$, pak $\exists !$ polynom $P$ stupnì $\leq k : \forall j: P(x_j) = y_j$.
\figure{polynom.eps}{Polynom}{2in}
-\s{Plán:}
-Nech» $k=2n-1$, zvolíme $x_0, \ldots, x_k$ libolné, ale rùzná a spoèteme $P(x_0), \ldots, P(x_k)$ a $P(y_0), \ldots, P(y_k)$.
-\>$\forall j: y_j=P(x_j)Q(x_j)$
-\>musíme najít polynom $R$ stupnì $\leq k: \forall j: R(x_j)=y_j$
-
-\s{Vyhodnocování polynomù} (metodou Rozdìl a panuj)\par
-\>BÚNO $n=2^m$\par
-\>Uvá¾me polynom:
-$$P(x_j) = p_0 x^0 + p_1 x^1 + \ldots + p_{n-1} x^{n-1}$$
-Tento polynom si mu¾eme rozdelit, na 2 èasti. V levé budeme mít èleny s exponentem sudým a v pravé budou èleny s lichými koeficienty.
-$$P(x_j) = (p_0 + p_2 x^2 + \ldots + p_{n-2}x^{n-2}) + (p_1 x^1 + p_3 x^3 + \ldots + p_{n-1} x^{n-1})$$
+\ss{Plán:}
+
+\>Nech» $k=2^{n-1}$. Zvolíme èísla $x_0, \ldots, x_k$ libovolná, ale rùzná, a spoèteme $P(x_0)$, \dots, $P(x_k)$ a $Q(x_0), \ldots, Q(x_k)$.
+Poté $\forall j: y_j=P(x_j)Q(x_j)$
+musíme najít polynom $R$ stupnì $\leq k: \forall j: R(x_j)=y_j$.
+
+\s{Vyhodnocování polynomù} (metodou Rozdìl a panuj)
+
+\>BÚNO $n=2^m$. Uva¾me polynom:
+$$P(x) = p_0 x^0 + p_1 x^1 + \ldots + p_{n-1} x^{n-1}.$$
+Tento polynom si mu¾eme rozdìlit na dvì èasti. V levé budeme mít èleny se sudými exponenty a v~pravé budou èleny s~exponenty lichými:
+$$P(x) = (p_0 + p_2 x^2 + \ldots + p_{n-2}x^{n-2}) + (p_1 x^1 + p_3 x^3 + \ldots + p_{n-1} x^{n-1}).$$
Z pravé strany mù¾eme vytknout $x$ a dostaneme:
-$$P(x_j) = (p_0 + p_2 x^2 + \ldots + p_{n-2}x^{n-2}) + x(p_1 + p_3 x^2 + \ldots + p_{n-1} x^{n-2})$$
+$$P(x) = (p_0 + p_2 x^2 + \ldots + p_{n-2}x^{n-2}) + x(p_1 + p_3 x^2 + \ldots + p_{n-1} x^{n-2}),$$
$$ \vdots $$
-$$P(x) = L(x^2) + xN(x^2)$$
-$$P(-x) = L(x^2) + xN(x^2)$$
-Musíme si ale uvìdomit, ¾e tyto vztahy platí pouze, kdy¾ existuje pár $-x$ a $x$ v tìlese, nad kterým poèítáme. V tomto pøípade jsme z polynomu s $n$ koeficienty v $n$ bodech dostali $2$ polynomy s $n/2$ koeficienty v $n/2$ bodech. Z èeho¾ vyplývá èasová slo¾itost definována vztahem:
-$$T(n) = 2T(n/2) + O(n)$$
-Co¾ mù¾eme vyøeøit s pou¾itím Master Theoremu z ADS 1 a dostáváme
-$$T(n) = O(n \log n)$$
+$$P(x) = L(x^2) + xN(x^2),$$
+$$P(-x) = L(x^2) - xN(x^2),$$
+kde $L(x)$ a $N(x)$ jsou polynomy stupnì $n/2$. Umocnìním $x^2$ se nám poru¹í párování $x$ a $-x$, proto musíme poèítat v~$\bb{C}$ místo~$\bb{R}$.
+V~tomto pøípadì jsme z~polynomu s~$n$ koeficienty v~$n$ bodech dostali $2$ polynomy s~$n/2$ koeficienty v~$n/2$ bodech. Z~toho vyplývá èasová slo¾itost definována vztahem:
+$$T(n) = 2T(n/2) + \O(n).$$
+Ten mù¾eme vyøe¹it s pou¾itím Master Theoremu z~ADS~I a dostaneme:
+$$T(n) = \O(n \log n).$$
\bye
-
-
projects / ads2.git / blobdiff