String 查找最小的连接子字符串集 让我们考虑一个查询集Q和一个较大的超集S。Q中的每个元素都存在于S.中。目标是用S/< P>的最小数量的（连接的）“分量”来表示Q。

以下是一个具体的例子： Q={我爱法国和葡萄酒} S={（我住在这里），（我爱你和她），（法国很美丽），（奶酪和葡萄酒）}

Q的解决方案可能是： -“我”来自“我住在这里” -“爱”来自“我爱你和她” -“法国”来自“法国是美丽的” -还有“我爱你和她” -“奶酪和葡萄酒”中的“葡萄酒” 这就产生了5个“成分”，即“我”、“爱”、“法国”、“葡萄酒”

更好的解决方案是： -“我爱”来自“我爱你和她” -“法国”来自“法国是美丽的” -“奶酪和葡萄酒”中的“和葡萄酒” 这导致了3个“成分”，即“我爱”、“法国”和“葡萄酒” 这可能是本例的最佳解决方案。我们希望尽量减少“组件”的数量

有人知道这种算法是如何被调用的吗？

---

我在文本解析、文本挖掘等方面进行了搜索，但没有找到任何合适的内容。

您所描述的内容听起来像，您有一个主集合（在您的例子中是查询）和一系列集合（您的组件）可供选择，目标是覆盖主集合的每个元素。这个问题已经得到了很好的研究，但不幸的是，它是NP难的，并且没有已知的多项式时间算法。此外，在最坏的情况下，集覆盖的最佳多项式时间近似算法仅在真解的因子O（logn）以内

如果您处理的是小查询或小数量的组件，那么您可以通过列出所有子集并检查哪些子集有效来强制回答。但是，对于大型查询或大量组件，您不应该期望高效地获得准确答案

---

希望这有帮助

我将这个问题描述为“最小间隔覆盖”；我不确定这是不是一个标准的名字，但我不是第一个使用这个短语的人

有一种高效的算法，分为两个阶段。在第一阶段中，确定源中出现的查询的最大子字符串。对于每个这样的子字符串，输出第二阶段的间隔。在第二阶段，通过重复选择覆盖最低未覆盖位置的最高端点的间隔，找到最小基数覆盖

在你的例子中

Q=(I love France and wine)
S={(I live here), (I love you and her), (France is beautiful), (cheese and wine)}

间隔是，从一开始，（1，2）“我爱”（3，3）“法国”（4，5）“和葡萄酒”。哎呀，现在第二阶段很简单。相反，假设

Q=(a b c d)
S={(a b), (b c), (c d)}

那么间隔是（1,2）“ab”，“2,3”bc”，“3,4”cd“。最低覆盖率为1；我们采取（1，2）。最低覆盖率为3；我们接受（3，4）而不是（2，3），因为4>3

编辑以添加：

---

瓶颈可能是第一阶段。如果这是一个问题，有一个算法可以解决：构造一个包含源语句的。然后，根据查询字符串遍历树。除非查询在源代码中一字不差地出现，否则您最终将尝试跟踪一个不存在的链接；在这种情况下，当前最大间隔结束，您需要跟随后缀链接，直到可以再次取得进展。（计算生物学家，我在描述哪种算法？

这不完全是经典的集合覆盖，因为这等于找到了s的子集。OP的所需解不是这样的子集。@larsmans-我不确定我是否理解你的评论。你能详细说明一下吗？对于集合封面，解决方案的元素必须是S元素，但OP需要S元素的子集。而且，宇宙应该是S的联合体，所以应该是{我住在这里，爱你，她的法国是美丽的奶酪酒。@larsmans-也许我错了，但是如果你过滤掉所有不在原始句子中的单词，这不就是原始问题吗？是的，我想是这样，假设OP实际上处理的是集合而不是字符串/序列（参见另一个答案）。如果Q=（a b a）和S={（a），（b）}，唯一解有两个或三个分量吗？是Q和S集合的元素，还是序列？