如何从庞大的数据库中搜索给定的单词？

Question

从词典数据库中搜索单词的最有效方法是什么。我搜索了答案，人们建议使用trie数据结构。但是为大量单词创建树的策略是加载主存储器。我正在尝试制作一个Android应用程序，它涉及我的数据结构项目的这个实现。所以有人能告诉我这本词典是如何运作的。

即使我在手机中使用t9词典，单词的建议也会在屏幕上显示。很想知道算法及其背后的设计。

Answer 1

您可以使用最有用的Trie来搜索大词典。因为太多的单词正在使用类似的启动，所以在常量因子搜索周围的trie brgins也可以使用到位，对物理内存的访问次数有限。您可以在web中找到大量实现。

如果某人不熟悉特里，我认为this网站很好，我只是在这里引用他们的示例：

  

trie（来自检索），是一种有用的多路树结构   将字符串存储在字母表中。它已被用于存储大型   拼写检查程序中的英语词典（比如说）   在自然语言“理解”程序中。鉴于数据：

an, ant, all, allot, alloy, aloe, are, ate, be 

     

相应的trie将是：   

这是java中实用的Trie实现： http://code.google.com/p/google-collections/issues/detail?id=5

Answer 2

有很多方法可以做到这一点。我前一段时间使用的那个（如果不对字典进行更改，则特别好）是创建前缀索引。

也就是说，您可以对词条进行排序。然后，保存不同首字母范围的（结束）位置。也就是说，如果您的条目的索引从1到1000，并且单词“aardvark - azerbaijan”的范围从1到200，则在单独的表“a | 200”中创建一个条目，然后您首先执行相同操作和第二封信。然后，如果您需要查找特定单词，则会大大缩小搜索范围。就我而言，前两个字母的索引就足够了。

同样，这种方法要求你使用像SQLite这样的数据库，我认为它存在于Android上。

Answer 3

使用trie确实是空间意识的，只是在我将trill加载150,000个单词后检查我的RAM使用情况时实现，使用量为150 MB（Trie是用C ++实现的）。内存消耗很大程度上是由于指针即可。我最终尝试了三次尝试，其内存浪费大约为30 MB（相比之下，150 MB），但时间复杂度有所增加。另一个选择是使用“Left child Right sibling”，其中内存浪费非常少，但时间复杂度高于三元组。