تُعد مطابقة السلاسل المتعددة عملية أساسية في التحليلات في الوقت الحقيقي، وأمن المعلومات، وعلم الأحياء الحاسوبي، واسترجاع المعلومات على نطاق واسع. ومع ذلك، لا تزال الطرق الحالية تواجه تنازلات فطرية بين كفاءة المعالجة الأولية، وأعباء التحقق، والدعم لتحديثات الأنماط الديناميكية، خصوصًا في البيئات الكبيرة والمتطورة باستمرار. تقدم هذه الورقة خوارزمية MMIVL، وهي خوارزمية عالية الأداء تستند إلى قائمة معكوسة متعددة الأحرف (m-CIVL)، وهي إطار عمل موحد ونشيط بطبيعته لإدارة الأنماط. من خلال دمج المعلومات الموضعية، ودلالات الانتهاء، وروابط الأنماط ضمن هيكل واحد، تمكن m-CIVL المطابقة المباشرة دون الحاجة إلى مرحلة تحقق منفصلة. تحقق MMIVL تعقيد معالجة أولي قدره O(|P|/s)، وتعقيد بحث قدره O(|T| + nocc)، وتعقيد تحديث قدره O(|p|/s)، حيث تُمثل s طول المقطع. تظهر التجارب الشاملة على مجموعات بيانات صناعية وعالمية أن MMIVL تتفوق باستمرار على المعايير التمثيلية، مع تحقيق تحسينات قوية خاصة في السيناريوهات الكبيرة، بينما تحافظ على أداء مستقر وكفاءة ذاكرة مواتية. بوجه عام، تُثبت هذه النتائج أن m-CIVL هو حل فعال وقابل للتوسع وعملي يجمع بين معالجة أولية فعالة، وبحث عالي الإنتاجية، وقدرة على التحديث الديناميكي لتطبيقات مطابقة السلاسل المتعددة الحديثة.
درس تشوفاليت خانكوم (مون) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: