多正则表达式匹配（Multiple Regular Expression Matching）
目前 febird 中的自动机库已支持正则表达式，并且，支持的是多正则表达式匹配： 继续阅读
本网站仅单台服务器: 2核2G 99￥包年，集成兼容 MySQL 的 MyTopling 高压缩高性能数据库 |
|
本网站仅单台服务器: MyTopling 2核2G 99￥包年当搜索词中有错别字时，搜索引擎会尝试纠错通过相似拼音纠错搜索引擎把这些字还原成拼音，用一个拼音相同的已知的搜索词代替。 这是一种众所周知的纠错策略，但是，当输错的字是多音字，特别是有多个这样的错误输入时，所有的搜索引擎都尽量绕开这个问题，或者仅使用最常用的那些音去纠错。 因为要考虑所有可能的拼音组合，在极端情况下会导致指数爆炸！ 例如某互联网大厂的实现(枚举多音字全排列)。 基于自动机的算法可以完美解决这个指数爆炸问题
这个算法也可以用来解决用户输入预测(智能提示)功能用户只输入Query开头部分，就自动提示出整个Query，例如用户输入举头望，就提示出举头望明月。就像现在各种搜索引擎做的那样。 基于编辑距离的纠错在已知的搜索词中寻找编辑距离与用户 Query 最小的词，使用我的算法也可以高效解决（还没做演示页面） 创建 DFA Key 与 搜索 DFA Key 的 耗时 包含了 收集网页展示需要的信息，耗时占比90%以上！ |
|
boost 这帮人也超级不靠谱
刚才开始用 boost::range，就查看了了一下 boost 源码，发现 boost-1.50 一个 bug，觉得应该在新版中已经修改了，下载了最新的 1.54 版，进去一看，bug 仍然在！ 继续阅读
把自动机用作 Key-Value 存储
这篇文档只关心 有穷状态自动机 ，不讲具体的算法，对自动机只讲一些基本概念。主要描述 怎样使用自动机工具创建 KV 数据库，怎样使用自动机 API 访问 KV 数据库…… 继续阅读
字符串匹配中的图论
有一个字符串由多个变量拼接而成： “$x1$x2$x3$x4$x5$x6…” ，这个列表可以一直延伸到 $x10000，而每个变量都至少有一种可能的取值，为了简化问题，每个变量不会再引用别的变量。问题是：给定一个字符串T，判断这个字符串是否能由上面这个 “$x1$x2$x3$x4$x5$x6…” 生成。
李德刚刚来到部队，提出…希望有个中国女战士陪他睡觉
《一生紧随毛：回忆我的父亲…陈士榘》里记载，“李德刚刚来到部队，提出…希望有个中国女战士陪他睡觉。”
康…说：“当时女同志都不愿意嫁给一个不会说中国话的外国人，所以一直找不到合适的对象。”后来找到个“大个子，长得不错的前童养媳。”萧月华1910年8月出生于广东大埔县一个农民家庭。
继续阅读
避免临时对象的字符串加法
之前我有一篇文章《 C++中让对象的拷贝成为 显式 的》，使用类似的技巧，可以避免字符串加法中的临时对象，也许是因为惰性，这个想法一直没有诉诸实现，今天有空把它写了出来。 继续阅读
gold_hash_idx 完成了
用在 onfly minimal acyclic DFA construction 上，速度提高了大约28%，内存对每个State节约了4个字节。
以后有空再努力一下，把 gold_hash_idx 再深入泛化一步，做成可以更方便地用于 multi_index 。
gold_hash_map abstract++
目前的gold_hash_map 实现中，index和data是耦合在一起的。
今天在思考 onfly MinADFA 的进一步优化时，想到了一点：在MinADFA_onfly 中，equivalence_register是一个gold_hash_tab, 继续阅读
Trie, Hash, MinADFA
Trie的搜索复杂度是 O(length(strkey))，Hash表，计算Hash的复杂度也是O(length(strkey))，但是，仔细分析一下： 继续阅读