আইটেম অন্তত রয়েছে খুঁজুন


11

মানগুলির সেটগুলি বিবেচনা করুন (কোনও সদৃশ ছাড়াই সাজানো অ্যারে হিসাবে প্রতিনিধিত্ব করা হয়েছে, এবং একটি পরিচিত আকারের সাথে (উদাহরণস্বরূপ আকারটি (1) প্রাপ্ত করা যেতে পারে O) মানগুলি ও (1) সময়ে সমতার জন্য পরীক্ষা করা যেতে পারে I আমি চাই এন এর মধ্যে কমপক্ষে কে বিভিন্ন সেটে থাকা মানগুলির সেটটি অর্জন করতে ।nkn

এটি করার সুস্পষ্ট অ্যালগরিদম হ'ল সমস্ত সেটের মধ্য দিয়ে যাওয়া, প্রতিটি মানের সংখ্যার সংখ্যা গণনা করা এবং চেয়ে উচ্চতর গণনা সহ তাদের ফিরিয়ে দেওয়া । তবুও, কিছু ক্ষেত্রে, আপনি আরও ভাল করতে পারেন: উদাহরণস্বরূপ, যখন এন = কে = 2 এবং যখন একটি সেট এস 1 অন্য সেট এস 2 এর তুলনায় অনেক ছোট হয় , তখন এস 1 এর সমস্ত আইটেম দেখতে এবং সম্পাদন করা আরও দক্ষ efficient এস 2-তে তাদের প্রত্যেকের জন্য একটি বাইনারি অনুসন্ধান : বাইনারি অনুসন্ধানের পদ্ধতির জন্য O ( | S 1 | লগ ( | এস 2 |kn=k=2S1S2S1S2 যেখানে নিষ্পাপ পদ্ধতির জন্য O ( | S 1 | + | S 2 | ) খরচহয় যা যখন | এস 1 | < < | এস 2 | O(|S1|log(|S2|))O(|S1|+|S2|)|S1|<<|S2|

এটি মনে রেখে, কোন পরিস্থিতিতে আমরা নিষ্পাপ অ্যালগরিদমের চেয়ে আরও ভাল করতে পারি? (যদি এটি একটি সুপরিচিত সমস্যা হয় তবে আমি এর স্বাভাবিক নামটি জানতে পেরে খুশি হব এবং উল্লেখ পেতে পারি have)


3
এটি "শীর্ষ-কে" ফলাফল, বা "ভারী আঘাতকারী" এর সাধারণ বিভাগের আওতায় আসে। দ্বিতীয়টি আপনি যা খুঁজছেন তার কাছাকাছি। যদিও এই স্পেসে বেশিরভাগ কাজ বড় ডেটা সেট এবং সাবলাইনার মেমরি বিধিনিষেধকে কেন্দ্র করে।
সুরেশ ভেঙ্কট

9
O(|S1|log(|S2|/|S1|))

উত্তর:



1

আপনার সমস্যাটি ঘন ঘন আইটেমেটগুলি সন্ধানের ডেটা মাইনিং সমস্যার সাথে সমান , যা অ্যাসোসিয়েশন রুল লার্নিং নামেও পরিচিত । আমি যদি সঠিকভাবে বুঝতে পারি তবে আপনার সমস্যাটি কমন > = কে সমর্থন করে কার্ডিনালিটি 1 (অর্থাত্ সিঙ্গেলন) এর ঘন আইটেমসেটগুলি সন্ধান করতে পারে । অবশ্যই, সমস্যার জন্য উপলভ্য অ্যালগরিদমগুলি (যেমন এপ্রোরি, একলাট, ডি-ক্লাব ইত্যাদি) কার্ডিনালিটি> 1 এর ঘন ঘন আইটেমসেটগুলি নির্ধারণের অনুমতি দেয়।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.