自动建议：子串匹配

Question

我正在尝试使用三元搜索树（TST）实现自动建议，但是当我们寻找前缀搜索时TST很有用，我们如何为子字符串匹配实现Auto Suggest？ 是否有其他可以使用的数据结构？

例如子串匹配： 当我尝试使用自动建议搜索UML时，即使字符串“UML初学者指南”也应该匹配。

Answer 1

这是我的头脑，而不是任何适当且经过验证的数据结构/算法：

1. 选择所有合法字符到N个符号的映射（为简单起见：拉丁字母26个符号和类似非拉丁字母忽略大小写+ 1个非字母=总共27个符号）。

   < / LI>

2. 从词典中创建一个最大分支因子为N的浅树（即非常高）。叶子节点将包含对包含从根到该叶子的符号组合的所有单词的引用，（中间节点可能包含对叶子节点深度短的单词的引用，或者您可以忽略那些短的单词）。

3. 树的深度是可变的，可能在1..4的范围内，因此每个叶节点将包含大约相同数量的单词（当然在许多叶子下列出的相同单词，如叶子MAT下的MATCH，如果树深度恰好是3），ATC，TCH。

4. 当用户输入字母时，请尽可能地跟随树，直到您留下相对较少的单词集。然后在你离开树的叶子后对剩余的单词进行线性过滤，用户输入更多文本进行匹配。 （可选）过滤掉实际上不是字符匹配的符号匹配，但是当用户输入äöO等时也可以匹配ao0。

5. 优化您将字符映射到的符号数，以便为树提供良好的分支因子。优化每个叶子的单词，以获得不错的内存使用，而无需过多的单词在到达树的叶子后进行线性过滤。

---

当然，实际研究的算法用于在大块文本中查找字符串（用户输入的内容）（所有要匹配的短语/单词），例如Aho–Corasick和Rabin–Karp，这可能值得研究。