我需要开发一个算法,可以找到某些层次结构中的数据项位置。我有层次结构来分类某些数据集的元素。层次结构是分类学的 - 顶级元素是最通用的类,它匹配数据集的任何元素,更深的元素包含更多与数据集的某个子集相匹配的特定类。如何查找层次结构中的数据项目位置?
例如,考虑游艇的层次结构。我们有顶级游艇。在下一级我们有帆船游艇和机动游艇。 帆船游艇有两个小孩 - 巡游游艇和竞速游艇。巡洋舰可以由制造商进一步划分,例如巴伐利亚游艇和Dufour Yachts。然后,每个类别可以进一步分为船体类型,长度,帆面积等。
这是从数据集的例子:
Drive Class Manufacturer Hull type Len Sails Area ... Model
Sailing Cruiser Bavaria Yachts Mono-hull 25ft 560sqft ... Bavaria 32
Sailing Cruiser Dufour Yachts Mono-hull 27ft 580sqft ... Dufour 32 Classic
我可以很容易地通过在深度优先顺序搜索它的每个样品,以层次结构进行映射。
这是一个简单的搜索问题乍一看,但有一些困难。
第一个难点:数据项不一定包含所有元素。数据项缺乏10%到50%的元素是很常见的。很多这样的元素并不是很重要,例如游艇变频器只能是电机或航行所以它不会带来很多信息(只有1位)。这些元素可以使用更重要的元素轻松推断,例如,如果我们知道游艇模型,我们可以推断数据项的所有其他元素(或字段)。
第二个难点:即使它们对应于层次结构中相同的地方(相同的游艇模型),某些元素可能在不同的数据项之间有所不同。例如帆船区域可能会有很大差异,因为船主以不同的方式修改了游艇的钻井平台,或者只是围绕面积值进行修改。
正如我已经提到的,我需要从层次结构中的数据集中找到不同的数据项。每个数据项可以以不同的精度定位。精度是搜索过程停止的层级中的深度。换句话说,我需要在与每个数据项对应的层次结构中获取路径,并且此路径可能不完整。例如,算法可以发现数据项对应于Juliet 23游艇,但生产年份仍然未知。
这将是很酷,如果我可以得到多个路径与概率测量每个。例如,对于不同的生产年份,算法可以返回4个路径,每个路径的概率为25%。
在这一刻我用一些启发式的深度优先搜索来解决这个问题。它给出了很好的结果,但我认为有可能获得更好的结果。也许你可以用更一般的方式来制定这个问题,这样我可以搜索一些有关它的学术论文。