Ich habe zwar zurzeit keine Verwendung für das Video, möchte mich aber trotzdem dafür bedanken dass Sie ihr Wissen über Algorithmen und Datenstrukturen, was Sie auch in ihrem Buch vermitteln, so simpel und verständlich kostenlos auf UA-cam anbieten, Hut ab!
Schönes Video. Eine Frage zu ihrer letzten Folie: Das bezieht sich darauf, wenn sowohl Text als auch der gesuchte String "willkürlich" sind, oder? Interessanter fände ich evtl. noch einen "realen" Vergleich der verschiedenen Algorithmen. Also z.B. einen "normalen" Text (z.B. ein Roman) zu nehmen und dort einmal ein langes/seltenes Wort suchen. Und einmal ein kurzes/häufiges Wort/Silbe suchen. Analog evtl. mit Quellcode (Da dort vermutlich viel weniger verschiedene Worte vorkommen).
Ja, genau, die Grafik am Ende zeigt die "besten" Algorithmen im Fall, dass man zufällige Strings in zufälligen Texten sucht, wobei die Buchstaben in den Strings alle gleich wahrscheinlich und unabhängig voneinander zufällig gewählt werden. Diese Situation ist für Horspool natürlich sehr günstig.; andere Algorithmen sind meist weniger stark von den tatsächlichen Strings abhängig; insgesamt ist der Vergleich also etwas unfair. Ich habe die unterschiedlichen Algorithmen (aus der Softwarebibliothek SeqAn) aber auch für die Suche in der "echten" Texten ausprobiert, und zwar im Genom von E. coli, einer Proteinsequenzdatenbank und der englischen Bibel. Für DNA ist Horspool wegen des kleinen Alphabets tatsächlich nicht optimal, aber in den anderen Fällen schlägt es bei mäßig langen Patterns (m
Ich habe zwar zurzeit keine Verwendung für das Video, möchte mich aber trotzdem dafür bedanken dass Sie ihr Wissen über Algorithmen und Datenstrukturen, was Sie auch in ihrem Buch vermitteln, so simpel und verständlich kostenlos auf UA-cam anbieten, Hut ab!
Schönes Video. Eine Frage zu ihrer letzten Folie: Das bezieht sich darauf, wenn sowohl Text als auch der gesuchte String "willkürlich" sind, oder? Interessanter fände ich evtl. noch einen "realen" Vergleich der verschiedenen Algorithmen. Also z.B. einen "normalen" Text (z.B. ein Roman) zu nehmen und dort einmal ein langes/seltenes Wort suchen. Und einmal ein kurzes/häufiges Wort/Silbe suchen. Analog evtl. mit Quellcode (Da dort vermutlich viel weniger verschiedene Worte vorkommen).
Ja, genau, die Grafik am Ende zeigt die "besten" Algorithmen im Fall, dass man zufällige Strings in zufälligen Texten sucht, wobei die Buchstaben in den Strings alle gleich wahrscheinlich und unabhängig voneinander zufällig gewählt werden. Diese Situation ist für Horspool natürlich sehr günstig.; andere Algorithmen sind meist weniger stark von den tatsächlichen Strings abhängig; insgesamt ist der Vergleich also etwas unfair. Ich habe die unterschiedlichen Algorithmen (aus der Softwarebibliothek SeqAn) aber auch für die Suche in der "echten" Texten ausprobiert, und zwar im Genom von E. coli, einer Proteinsequenzdatenbank und der englischen Bibel. Für DNA ist Horspool wegen des kleinen Alphabets tatsächlich nicht optimal, aber in den anderen Fällen schlägt es bei mäßig langen Patterns (m
@@Gogol-Doering Danke