基数树/patricia trie 中的前缀搜索

Question

我目前正在实现一个基数树/帕特里夏特里（无论你想怎么称呼它）。我想用它在功能严重不足的硬件上的字典中进行前缀搜索。它应该或多或少像自动完成一样工作，即。e.显示与键入的前缀匹配的单词列表。

我的实现是基于 关于这篇文章, ，但其中的代码不包括前缀搜索，尽管作者说：

[...] 假设您想要枚举所有具有公共前缀“AB”的键的节点。您可以从该根开始执行深度优先搜索，并在遇到后边缘时停止。

但我不明白这应该如何运作。例如，如果我从这些单词构建一个基数树：

疾病
假想
想像力
想象
模仿
即时
立即地
巨大
在

对于前缀“i”和“in”，我将获得完全相同的“最佳匹配”，因此对我来说，仅通过从最佳匹配遍历树来收集所有匹配的单词似乎很困难。

此外，还有一个 Java中基数树的实现 已实现前缀搜索 RadixTreeImpl.java. 。该代码显式检查所有节点（从某个节点开始）是否有前缀匹配 - 它实际上比较字节。

谁能指出我在基数树上实现前缀搜索的详细描述？Java实现中使用的算法是唯一的方法吗？

Answer 1

想想你的trie编码。在每个节点上，你已经道路，会导致你到这一点，所以在你的榜样，开始在Λ(这是一个首都Lambda，这是希腊字体样的烂)根节点对应一个空串。Λ有儿童对于每一个字母使用，所以在你的数据集，你有一个分支，对于"i"。

• Λ
• Λ→"我"

在"我"节点，还有两个孩子，一个"m"和一个"n"。下一个字母是"n"，所以你拿去，

• Λ→"我"→"n"

而由于只有开头的单词"i","n"在你的数据集 是 "在"没有儿童从"n"。那是一个匹配。

现在，让我们说的数据集，而不是具有"中"、已经"infindibulum".(什么SF我引用的是左作为行使。) 你仍然可以得到的"n"节点相同的方式，但随后如果下一封信，你得到的是"q"，你知道这个词没有出现在你的数据集，因为没有"q"的分支。在这一点上，你说"好吧，没有匹配的。" (也许你然后开始加入这个词，也许不是，这取决于应用程序。)

但是，如果下一个字母是"f"，你可以继续下去。你可以短路，有一点工艺品，但：一旦你到达一个节点代表了一个独特的道路，你可以挂在 整串 关闭那个节点。当你得到这点，你知道，其余的字符串 必须 是"findibulum"，所以你已经使用的前缀以配合整串，并返回。

你如何使用？在很多非UNIX command口译员，像老VAX DCL，可以使用的任何独特的前缀的一个命令。因此，相当于 ls(1) 是 DIRECTORY, 但没有任何其他命令开始与DIR，所以你可以的类型 DIR 这是不如做个字。如果你不记得正确的命令，则可能类型的'D'、和打(我认为)ESC;该DCL CLI会回你 所有 该命令，开始 D, 它可以搜索速度极快。

Answer 2

原来的GNU扩展标准C ++的lib包括了Patricia特里结构实现。它是根据基于策略的数据结构的扩展中。请参见 http://gcc.gnu.org/onlinedocs/libstdc++/ext /pb_ds/trie_based_containers.html

Answer 3

另一种算法：保持简单愚蠢

只是让你的关键字排序列表。当你有一个前缀，找到二进制搜索中，前缀将设在列表中。所有可能的补全将开始该指数在这里找到，随时就位访问。

此算法将仅需要5％帕特里夏特里结构的代码的和将是易于维护，理解和更新。这几乎是一定的这一简单的列表搜索的效率会更高为好。

唯一的缺点是，如果你有类似的前缀长关键字庞大的数字，特里树可以节省一些存储，因为它并不需要保持完整的前缀每个条目。在实践中，如果你有不到几百万字，这不是储蓄，因为树的指针开销将占据主导地位。这是节约更多的像上百万个字符的搜索字符串DNA数据库的应用，而不是文本关键字。

Answer 4

另一种替代算法是 三元搜索树 （内存效率更高） https://github.com/varunpant/TernaryTree/tree/master/TernaryTree