让我解释一个场景来更好地解释我的问题
假设我在一家与信用卡有关的公司工作,每个月人们都会上传他们的收据,我想看看那个人是否买了水果。让我们假设我们使用OCR只提取购买并存储在列表中的项目的名称。
我做的第一件事就是在网上刮起到处都是水果的名字,然后把它们的名字存储在一个大的文本文件中。
现在,我想知道如何匹配/查找,并作出决定,该人购买水果。
( 1)对大量数据进行搜索/匹配的算法。
我只是在寻求关于在这种场景中实现什么的建议。提前谢谢。
发布于 2020-02-09 15:56:45
首先,尝试最简单的方法--确定性检查,寻找水果名称集和购买物品集之间的交叉重叠。
集合比较是可伸缩的,因为每个项的查找时间都是恒定的。
如果缩放是常规集合成员资格检查的一个问题,则布卢姆滤波器是一个选项。
发布于 2020-01-10 09:42:14
发布于 2020-02-09 15:09:39
用于此用例的默认算法之一(将在文本中同时搜索的一组搜索字符串)是阿霍·科拉西克。在维基百科页面上:“算法的复杂性与字符串的长度、搜索文本的长度和输出匹配的数量成线性关系。”该算法在所有常用编程语言中都有实现。如果这不够有效,您将需要使用某种哈希技巧来获得更快的性能。
https://datascience.stackexchange.com/questions/66256
复制相似问题