我正在阅读Tries通常称为前缀树和Suffix Trees
虽然我找到了Trie的代码，但我找不到Suffix Tree的示例。此外，我感觉构建Trie的代码与Suffix Tree的代码相同，唯一的区别是在前一种情况下我们存储前缀但后者是后缀。
这是真的？任何人都可以帮我解决这个问题吗？一个示例代码将是非常有用的帮助！
答案 0 :(得分：48)
后缀树可以被视为构建在trie之上的数据结构，而不仅仅是将字符串本身添加到trie中，您还可以添加该字符串的每个可能后缀。例如，如果要在后缀树中索引字符串 banana ，则应使用以下字符串构建一个trie：
banana
anana
nana
ana
na
a
完成后，您可以搜索任何n-gram并查看它是否存在于您的索引字符串中。换句话说，n-gram搜索是对字符串的所有可能后缀的前缀搜索。
这是构建后缀树的最简单，最慢的方法。事实证明，在这种数据结构上有许多更好的变体可以改善空间和构建时间。我在这个领域不够精通概述，但你可以先查看suffix arrays或本课advanced data structures（第16和18讲）。
这个answer也很好地解释了这种数据结构的变体。
答案 1 :(得分：7)
如果您想象一个Trie，其中您放置了一些单词的后缀，您将能够非常轻松地查询字符串的子串。这是后缀树背后的主要思想，它基本上是一个“后缀trie”。
但是使用这种天真的方法，为一个大小为n的字符串构造这个树将是O（n ^ 2）并占用大量内存。
由于此树的所有条目都是相同字符串的后缀，因此它们共享大量信息，因此有一些优化的算法可以让您更有效地创建它们。例如，Ukkonen的算法允许您以O（n）时间复杂度在线创建后缀树。
答案 2 :(得分：0)
区别很简单。后缀树具有更少的＆＃34;虚拟＆＃34;节点比后缀trie。这些虚拟节点是单个字符，可以增加树的查找操作
答案 3 :(得分：0)
Trie的节点具有指向较短上下文的链接，而“ Tree”则没有。如果Tree的节点链接到较短的上下文，则转向Trie; o）
答案 4 :(得分：0)
给定文本的后缀树是给定文本的所有后缀的压缩树。
参考：https://www.geeksforgeeks.org/pattern-searching-using-suffix-tree/