Edit distance is a measure of similarity of two strings based on the minimum number of character insertions, deletions, and substitutions required to transform one string into the other. The edit distance can be computed exactly using a dynamic programming algorithm that runs in quadratic time. Andoni, Krauthgamer, and Onak (2010) gave a nearly linear time algorithm that approximates edit distance within an approximation factor $\text{poly}(\log n)$. In this paper, we provide an algorithm with running time $\tilde{O}(n^{2-2/7})$ that approximates the edit distance within a constant factor.


翻译:编辑距离是根据字符插入、删除和替换的最低数量来测量两个字符串的相似性。 编辑距离可以精确地使用在二次时间运行的动态编程算法来计算。 Andoni, Krauthgamer, 和 Onak (2010年) 给出了近似线性时间算法, 在近似系数 $\ text{poly}(\log n) $( log n) 范围内大约编辑距离。 在本文中, 我们提供了一个运行时间 $\ tilde{ O}( n\\\\ 2-2/7}) 的算法, 接近一个常数内的编辑距离 。

0
下载
关闭预览

相关内容

TextCNN大牛Kim《深度无监督学习句法结构分析》,88页ppt
专知会员服务
29+阅读 · 2021年1月13日
专知会员服务
51+阅读 · 2020年12月14日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
74+阅读 · 2020年5月5日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
已删除
将门创投
6+阅读 · 2017年7月6日
Arxiv
0+阅读 · 2021年4月12日
Arxiv
0+阅读 · 2021年4月7日
Arxiv
3+阅读 · 2018年10月18日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关资讯
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
已删除
将门创投
6+阅读 · 2017年7月6日
Top
微信扫码咨询专知VIP会员