计数，听起来简单，却在实际执行很有难度。

想象一下，你被送到一片原始热带雨林，进行野生动物普查。每当看到一只动物，拍一张照片。

数码相机只是记录追踪动物总数，但你对独特动物的数量感兴趣，却没有统计。

那么，若想获取这一独特动物数量，最好的方法是什么？

这时，你一定会说，从现在开始计数，最后再从照片中将每一种新物种与名单进行比较。

然而，这种常见的计数方法，有时并不适用于高达数十亿条目的信息量。

来自印度统计研究所、UNL、新加坡国立大学的计算机科学家提出了一种新算法——CVM。

它可以近似计算长列表中，不同条目的的数量，而且只需要记住少量条目就可实现。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

论文地址：https://arxiv.org/pdf/2301.10191

这一算法适用于任何一次出现一个条目的清单，比如演讲中的文字、传送带上的商品，或州际公路上的汽车。

CVM算法是以三位作者首字母命名，在解决「不同元素问题」上取得的一个重大进展。

而这一问题，长期困扰计算机科学家40多年。

它要求有一种高效的方法来监控一个元素流（其总数可能超过可用内存），并估算出其中独特元素的数量。

那么，CVM算法究竟是如何解决问题的？

开创性CVM算法，秘诀在于「随机化」

假设你在听《哈姆雷特》有声读物。

这部戏剧共有30557个字，有多少是不同的？

为了找到答案，你可以边听边暂停，按字母顺序写下每个单词，然后跳过清单上已有的单词，最后，只需要数一下清单上每个单词数。

这种方法是可行的，但太考验一个人的「记忆量」了。

研究者Vinodchandran Variyam表示，「在典型的数据流情况中，可能会有数百万个项目需要追踪。你可能不想把所有的信息都存储起来。

这就是，云服务器算法可以提供更简单方法的地方」。

诀窍，就在于「随机化」。

Vinodchandran Variyam帮助发明了一种估算数据流中不同元素数量的CVM算法

「哈姆雷特」有多少个独特词？掷硬币大挑战

再回到《哈姆雷特》，假设你的「有效内存」只能容纳100个单词。

一旦音频开始播放，你记下听到的前100个单词，并跳过任何重复的单词。

当完成100个单词记录后，剩下的就是为每个单词掷硬币——

正面，保留单词。若为反面，将其删除。

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情

在这一轮初选之后，你将留下大约50个不同的单词。

现在，你继续团队所说的第一轮游戏Round 1，继续阅读《哈姆雷特》，添加新单词。

如果你再次遇到一个已经在清单上的单词，再次掷硬币决定，一直到你的内存白板中，有100个单词。

然后，根据100次掷硬币的结果，再次随机删除大约一半的单词。Round 1到此结束。

接下来，进入第二轮Round 2。

和第一轮一样，我们要增加一个单词的难度——当你遇到一个重复的单词时，再次掷硬币。

条件是，如果是反面，就像之前一样删除它。但如果是正面，就再掷一次硬币。只有当第二次出现正面时，才保留这个单词。

一旦内存白板写满，结束这一轮，然后根据100次抛掷结果，再次删除大约一半的单词。

在第三轮Round 3中，你需要连续三次掷硬币正面，才能保留一个单词。

在第四轮中，连续四次正面保留一个单词，以此类推。

最终，在第k轮，你会听完整部《哈姆雷特》戏剧。

这个练习的重点是，确保每个单词都有相同的出现概率：1/2 (k) 。

假设，如果在《哈姆雷特》音频结束时，你的列表中有61个单词，用了六轮的时间完成。

你可以用61除以概率1/2 (6)来估计不同单词的数量——最终在这个游戏中的结果是3904个。

算法精度与内存量成正比

研究人员Chakraborty、Variyam和Meel从数学上证明了CVM算法的精确度与内存量的大小成比例。

而《哈姆雷特》恰好有3967个独特的单词。（通过普通的计数方法）

在使用100个单词内存的实验中，5轮实验结果的平均估计为3955个单词。

在1000个单词内存忆量下，平均提高到3964个。

Variyam表示，「如果（内存量）大到可以容纳所有单词，那么我们就可以达到100%的准确率」。

哈佛大学William Kuszmau表示，「这是一个很好的例子，说明即使是非常基础和被广泛研究过的问题，有时也可能存在简单但并不明显的解决方案仍待被发现」。

以上就是开创性CVM算法破解40多年计数难题！计算机科学家掷硬币算出「哈姆雷特」独特单词的详细内容，更多请关注其它相关文章！

# 算法  # 数学  # 哈姆雷特  # 这一  # 省电  # ai  # 淘宝seo最新规则  # 广州关键词排名优化广告  # 政府网站建设哪家专业好  # 湖州网站建设定制  # 永州企业网站建设制作  # 滨州互联网seo优化  # seo和meo是什么  # 绍兴抖音关键词排名  # 绿化苗木推广网站  # 电商微信订阅营销推广  # 玩转  # 如何使用  # 解决问题  # 就可  # 单上  # 适用于  # 进阶 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 折叠屏手机为什么没火  怎么关360壁纸广告  尼桑越野车中控前power是什么意思  苹果16更新了哪些软件  哪个牌子的折叠屏手机好  linux如何使用db2命令  early什么意思  什么是域名解析 域名解析中采用了什么  市盈率ttm市盈动静是什么意思  什么网址不能域名解析  折叠屏手机哪个牌子性价比高  vs如何输入命令行参数  如何打开命令框  typescript接口有什么用  哪些编程软件需用typescript  play的三人称单数和过去式  docs命令如何进入d  汽车收音机power是什么意思  交管12123协议头不完整是啥意思  春运抢票哪里最火热  苹果16会升级哪些  更换固态硬盘如何检查  春运抢票如何抢连坐的票  苹果16有哪些自带配件  360n7lite怎么设置动态壁纸  如何将系统移到固态硬盘  净水器上的power是什么意思  linux下如何重定位命令  光刻机是干什么用的  苹果16多有哪些功能  typescript怎么理解的  苹果16系统有哪些问题  nosql数据库的应用场景有哪些  360n7锁屏壁纸怎么固定  单片机速度怎么看  得物怎样不扣手续费 如何通过得物不支付手续费  固态硬盘如何判断大小  固态硬盘内存如何查找  awful是什么意思  typescript学会要多久  固态硬盘损坏如何修复  金色cmyk色值是多少  typescript如何定义变量  新固态硬盘如何装系统  如何打开管理员命令提示符  j*a怎么复制数组中  python 如何执行linux命令  ai文件里无法找到链接文件要怎么解决步骤  单片机怎么计算0xf0  如何开发typescript