Trie 实现问题答案

【问题标题】：Trie Implementation QuestionTrie 实现问题
【发布时间】：2010-10-15 01:28:32
【问题描述】：

我正在 VB.NET 中实现一个用于预测文本输入的 trie - 就 trie 的使用而言，基本上是自动完成。我已经让我的 trie 成为基于通用字典类的递归数据结构。

基本上是：

class WordTree Inherits Dictionary(of Char, WordTree)

单词中的每个字母（全部大写）都用作新 WordTrie 的键。叶子上的空字符表示单词的终止。为了找到一个以前缀开头的单词，我会一直遍历我的前缀，然后收集所有子单词。

我的问题基本上是关于 trie 本身的实现。我正在使用字典哈希函数来分支我的树。我可以使用列表并在列表上进行线性搜索，或者做其他事情。这里有什么流畅的动作？这是进行分支的合理方式吗？

谢谢。

更新：

为了澄清，我基本上是在问字典分支方法是否明显不如其他替代方法。我使用此数据结构的应用程序仅使用大写字母，因此数组方法可能是最好的。将来我可能会使用相同的数据结构来处理更复杂的预输入情况（更多字符）。在这种情况下，听起来字典是正确的方法 - 直到我需要使用更复杂的东西。

【问题讨论】：

这只是a-z吗？即没有国际化
是的，只有 26 个字母加上空字符。
能否提供更多反馈，以便我们完整回答问题？

标签： trie

【解决方案1】：

如果只是 26 个字母，则作为 26 个条目的数组。然后查找是按索引。如果桶列表长于 26，它可能比字典使用更少的空间。

【讨论】：

【解决方案2】：

三元搜索树是一种在空间上高效并可能提供亚线性前缀查找的良好数据结构。 Peter Kankowski has a fantastic article 关于它。他使用 C，但是一旦你理解了数据结构，它就是简单的代码。正如他所提到的，这是 ispell 用于拼写纠正的结构。

【讨论】：

【解决方案3】：

我已经用 8 位字符在 C 中完成了这个（一个 trie 实现），并且简单地使用了数组版本（正如“26 字符”答案所暗示的那样）。

但是，我猜你想要完整的 unicode 支持（因为 .NET char 是 unicode 以及其他原因）。假设你必须支持 unicode，hash/map/dictionary 查找可能是你最好的选择，因为每个节点中的 64K 条目数组并不能很好地工作。

关于我能想到的唯一破解方法是将整个字符串（后缀或可能的“in-fixes”）存储在尚未分裂的分支上，具体取决于树的稀疏程度，呃，trie，是。但是，这增加了很多逻辑来检测多字符字符串，并在引入备用路径时将它们拆分。

什么是读取 vs 更新模式？

---- 2013 年 7 月更新 ---

如果 .NET 字符串具有类似 java 的函数来获取字符串的字节（如 UTF-8），那么在每个节点中都有一个数组来表示当前位置的字节值可能是一个不错的方法。您甚至可以使数组大小可变，在每个节点中使用第一个/最后一个边界指示符，因为许多节点无论如何都只有小写 ASCII 字母，或者在某些情况下只有大写字母或数字 0-9。

【讨论】：

就目前而言，新词不会添加到特里。它是按批次定期构建的。我可能会添加功能来捕获将来输入的新单词。在这种情况下，这将是一个更平衡的读取/更新情况。

【解决方案4】：

如果您担心空间问题，可以对有效字节转换使用位图压缩，假设限制为 26 个字符。

class State  // could be struct or whatever
{
    int valid; // can handle 32 transitions -- each bit set is valid
    vector<State> transitions;

    State getNextState( int ch )
    {
         int index;
         int mask  = ( 1 << ( toupper( ch ) - 'A' )) -1;
         int bitsToCount = valid & mask;

         for( index = 0; bitsToCount ; bitsToCount  >>= 1)
         {
             index  += bitsToCount  & 1;
         }  
         transitions.at( index );
    }
};

还有其他方法可以进行位计数Here，向量中的索引是有效位集中设置位的数量。另一种选择是状态的直接索引数组；

class State
{
    State transitions[ 26 ]; // use the char as the index.

    State getNextState( int ch )
    {
        return transitions[ ch ];
    }
};

【讨论】：

【解决方案5】：

我发现burst trie's 非常节省空间。我写了自己的burst trie in Scala，它也重用了我在 GWT 的 trie 实现中发现的一些想法。我在 Stripe 的夺旗竞赛中使用了它来解决一个具有少量 RAM 的多节点问题。

【讨论】：