什么是最好的自动完成/建议算法，数据结构[C ++ / C]

Question

我们看到谷歌，Firefox，一些AJAX页面显示可能的项目列表，而用户键入字符。

有人可以提供一个好的算法，数据结构来实现自动完成吗？

Answer 1

trie是一种数据结构，可用于快速查找与前缀匹配的单词。

编辑：以下是一个示例，说明如何使用其中一个实现自动填充http://rmandvikar.blogspot.com/2008/10/trie-examples.html

这是3种不同auto-complete implementations的比较（虽然它是用Java而不是C ++）。

* In-Memory Trie
* In-Memory Relational Database
* Java Set

查找键时，trie比Set实现略快。 trie和set都比关系数据库解决方案快得多。

Set的设置成本低于Trie或DB解决方案。您必须决定是否经常构建新的“字集”，或者查找速度是否为更高优先级。

这些结果是用Java编写的，您的里程可能因C ++解决方案而异。

Answer 2

对于大型数据集，后端的一个很好的候选者是三元搜索树。它们结合了两个世界中最好的：二叉搜索树的低空间开销和数字搜索尝试的基于字符的时间效率。

参见Dr. Dobbs Journal：http://www.ddj.com/windows/184410528

目标是在用户输入时快速检索有限结果集。让我们首先考虑搜索“计算机科学”，你可以从“计算机”或“科学”而不是“计算机”开始输入。因此，给定一个短语，生成以单词开头的子短语。现在，对于每个短语，将它们输入TST（三元搜索树）。 TST中的每个节点将表示到目前为止已键入的短语的前缀。我们将在该节点中存储该前缀的最佳10（说）结果。如果一个节点的候选者数量多于有限数量的结果（此处为10个），则应该有一个排序函数来解决两个结果之间的竞争。

每隔几个小时就可以构建一次树，具体取决于数据的动态性。如果数据是实时的，那么我猜其他一些算法会给出更好的平衡。在这种情况下，绝对要求是每次键入击键的结果的快速检索，它做得非常好。

如果涉及拼写更正的建议，则会出现更多并发症。在这种情况下，还必须考虑编辑距离算法。

对于像国家列表这样的小型数据集，可以使用Trie的简单实现。如果要在Web应用程序中实现此类自动完成下拉列表，则在列表中提供数据后，YUI3的自动完成小组件将为您完成所有操作。如果您使用YUI3作为大数据支持的自动完成的前端，请在C ++中创建基于TST的Web服务，然后使用自动完成小部件的脚本节点数据源从Web服务而不是简单列表中获取数据。 / p>

Answer 3

Segment trees可用于有效实施auto complete

Answer 4

如果您想建议最受欢迎的完成，“建议树”可能是一个不错的选择： Suggest Tree

Answer 5

对于一个简单的解决方案：您生成一个具有最小编辑（Levenshtein）距离（1或2）的“候选人”，然后使用哈希容器测试候选者的存在（设置将足以进行简单的求解，然后使用tr1或boost中的 unordered_set 。

实施例： 你写了carr，你想要车。 arr由1删除生成。你的unordered_set是arr吗？编号crr由1删除生成。 crr在你的无序集中吗？号码车由1删除生成。汽车在你的无序集中吗？是的，你赢了。

当然有插入，删除，换位等......

你看到你生成候选人的算法确实是你在浪费时间的地方，特别是如果你有一点 unordered_set 。