Question

DAWG是否可用于存储与每条路径相关的辅助信息，例如一个单词在英语中的频率？如果是，那我该怎么做？

Answer 1

是的，一般来说，有向非循环加权图（DAWG）可以通过节点，边缘或更复杂的结构（例如给定路径）进行注释，我将采用一系列节点和边。您可以将现有结构子类化以包含此信息，或者如果不可能，则可以从结构哈希到注释。

Answer 2

通常，您不能以与在trie或其他数据结构中相同的方式将每个单词信息存储在DAWG中。这样做的原因是DAWG中的多个不同单词可能都共享节点，因此存在一个单词的信息“泄漏”为其他单词的信息的风险。

作为一个简单的例子，假设我们有一个DAWG用于单词“is”，“as”，“i”和“a”。在这种情况下，DAWG看起来像这样：

                     START
                  a /     \ i
                   ACC    ACC
                 s  \     / s                        
                      ACC

请注意，表示单词“as”和“is”的节点是完全相同的节点。因此，如果您尝试使用信息对“as”一词进行注释，则保存该信息的节点也将与“is”的节点相同，这意味着“as”和“is”都会选择相同的一组信息。

您可以尝试通过在节点中存储“as”和“is”来映射，从该节点结束的单词映射到该单词的额外信息，但这会大大增加内存的使用量。 DAWG。您现在正在将每个字符存储在单词中，因此您的内存使用量将会上升（请记住，DAWG的重点是减少存储一组单词所需的内存使用量）。你最好只存储一个从单词映射到信息的哈希表。

您可能尝试存储此信息的另一个选项是将通过DAWG的每条路径扩展到其自己的分支中，以便不同单词的节点始终不同。但是，这种方法的问题在于，您正在有效地将DAWG转换回trie，从而大大增加了所涉及的内存使用量。

简而言之，没有直接的方法来使用元信息在DAWG中注释单词而不会大幅增加内存使用量。如果必须这样做，最好使用不同的数据结构。

希望这有帮助！

Answer 3

是的，你可以。从dawg开始到word结尾的每条路径都是唯一的，并且该路径可以被索引为整数。然后可以将该索引号映射到辅助信息。

请参阅此处的论文：http://www.ic.unicamp.br/~reltech/1992/92-01.pdf 请参阅此处的良好实施：https://github.com/WojciechMula/pyDAWG/blob/master/dawg_mph.c#L37

DAWG可以用来存储与字相关的信息吗？

3 个答案: