可能重复：
The Most Efficient Way To Find Top K Frequent Words In A Big Word Sequence
在1000页的书中找到前3个出现的单词的算法。有没有比使用哈希表更好的解决方案？
答案 0 :(得分：3)
一个更好的解决方案是使用基于特里的字典。使用trie，您可以在最坏情况下执行任务O（ n × N ）时间，其中<em> N 是单词数且< em> n 是它们的平均长度。与哈希表的区别在于，trie的复杂性与任何哈希函数或书的词汇量无关。
对于任意输入，没有办法比O（ n × N >做得更好，因为你必须扫描所有单词。
答案 1 :(得分：3)
奇怪的是，每个人都集中精力浏览单词列表并忘记了主要问题 - 采取最常见的项目。实际上，哈希映射足以计算出现次数，但是这个实现仍然需要排序，这实际上是O（n * logn）（在最好的情况下）。
因此，哈希映射实现需要1次传递来计算单词（无保证的O（n））和O（n * logn）以对其进行排序。这里提到的尝试可能是更好的计数解决方案，但排序仍然是问题。再次，1次传递+排序。
您实际需要的是堆，即基于树的数据结构，它将最大（最低）元素保持在根附近。堆的简单实现（例如binary heap）需要O（logn）时间来插入新元素，O（1）需要获得最高元素，因此生成的算法将需要O（n * logn）和只有1次传递。更复杂的实现（例如Fibonacci heap）需要分摊O（1）时间进行插入，因此生成的算法需要O（n）时间，这比任何建议的解决方案都要好。
答案 2 :(得分：1)
您将不得不逐字逐句浏览所有页面以获得确切的答案。
因此，链接列表实现也使用哈希表接口来存储指向链表节点的指针，这样做非常好。
您需要动态增长链表和哈希表，以便快速访问正确的所需节点，以便更新计数。
答案 3 :(得分：-1)
一种简单的方法是使用Dictionary<string, int>（。net）或HashTable并在扫描整本书时计算每个单词的出现次数。
答案 4 :(得分：-1)
维基百科说：
“对于某些字符串处理应用程序，例如拼写检查，哈希表的效率可能低于尝试，有限自动机或Judy数组。此外，如果每个键都由足够小的位表示，那么，对于哈希表，可以直接使用该键作为值数组的索引。请注意，在这种情况下没有冲突。“
我也猜到了哈希树。
答案 5 :(得分：-1)