找到一组等长字符串的重叠？

Question

有100万个等长字符串（短字符串）。例如

ABCDEFGHI

fghixyzyz

ghiabcabc

zyzdddxfg

。 。 。

我想找到两个字符串的成对重叠.A“abcdefghi”和B“fghixyzyz”的重叠是“fghi”，它是A的最大后缀，B的最大前缀，满足后缀，前缀是等于。

是否有有效的算法可以找到集合中任意两个字符串的重叠？

Answer 1

一种有效的方法是为字符串集构建通用后缀树。 要查找字符串x和y之间的重叠：

在通用后缀树中跟随字符串y的路径标签。 沿着该路径入射到字符串x的终端符号的最深节点具有路径标签，该路径标签等同于后缀 - 前缀重叠x-> y。

有关更多详细信息，请参阅Gusfield的书“字符串，树和序列上的算法”中的第137页（“解决线性时间内的所有对后缀前缀问题”）。

注意：如果数据集很大（数百万/数十亿字符串），则会使用大量内存。