Question

缩写是一串字母数字字符。数字表示要跳过的字母数，例如i18n是国际化的缩写。 inter15和20也是如此。假设你有一个单词词典，找到字典中与给定缩写匹配的所有单词的最快方法是什么？您可以将任何数据结构用于字典，但查找匹配单词的算法必须优于O（n），其中n是字典中单词的数量。

Answer 1

所以你的查询是prefix - count - suffix。有几种方法可以解决这个问题。

如果前缀永远不会为空，那么您可以构建一个前缀树（它只是一个trie），并查询以该前缀开头的所有单词，过滤那些具有所请求长度和后缀的单词。

您可以通过构建generalized suffix tree来完成同样的事情。

或者，由于前缀或后缀可能为空，因此您可以构建前缀树和后缀树。查询两者，过滤长度，并将结果合并。

您可以设想构建一个前缀后缀树。数据结构比拥有两个单独的树要复杂一些，但它需要更少的内存。

我记得（已经有几年了），你可以使用有向无环字图（DAWG）完成所有这些以及更多（搜索缺少字母的单词等）。

Answer 2

解决方案是对多个数组中的所有单词进行分类。每个数组都包含具有特定字母数量的所有单词。例如，一个包含4个字母的数组，如：食物，木头，像，梭子鱼等。另有5个字母等等。

因此，在你的缩回i18n中，你将字符和数字分开：“在”“18”中你将字符数量加到数字上：2 + 18 = 20。现在你知道你的单词是20个字母的单词数组。

我认为我们可以做得更好，但这比在整个词典中找一个单词要好。

Answer 3

这是a10n树的一个想法（缩写树，或者应该是a10n t2e？）。

缺少的字母将由缺失的块的长度替换，因此匹配的长度事先已知。将字典细分为包含恒定长度字的子字典是有意义的：

dict -> dict2 -> {ad, ah, am, an, as, at, ...}
     -> dict3 -> {abe, abo, abu, ace, act, ada, add, ... }
     -> dict4 -> {abba, abbe, abby, ...}
     -> ...

每个词典都包含一个有序的单词列表。如果缩写是，例如“5”，则返回长度为5的子字典的列表。如果缩写为“绿色”，即根本没有缩写，请使用二分查找检查该单词是否在列表中。

在满足琐碎案件的情况下，我们必须找到一种快速搜索此列表的方法。让我们介绍一个位置和字母树。树的第一层指的是字母的位置，第二层指的是字母本身，就像在trie中一样，例如：

dict3 ->  i == 0 -> a   -> {ant}
                 -> b   -> {bat, bee}
                 -> c   -> {cat, cod, cow}
                 -> ...
          i == 1 -> a   -> {bat, cat, rat}
                 -> b   -> {}
                 -> c   -> {}
                 -> ...

现在找到所有给定字母的列表的交集。如果我们正在寻找“c2”，我们将列表放在（0，c）。如果我们正在寻找“b1t”，我们采用（0，b）和（2，t）处的列表的交集。订购列表时，找到交叉点应该相当快。

还有其他方法。尝试是一种数据结构，允许我们快速搜索字典。我在对一篇现已删除的帖子的评论中说过，在这种情况下，我认为尝试不是一个合适的数据结构，因为当第一个字母已知时，尝试有助于查找单词。但是我现在不太确定：当发现一个通配符，即一个丢失的字母时，可以下降一个特里的所有分支。对于像'i18n'这样的单词，分支的数量似乎相当大，但在实践中，会有很多空分支。在我的（小）测试词中，大约45,000个单词，没有任何词匹配'i18n'，甚至没有国际化。因此，对于真实的词典，尝试甚至可能是一种选择。

（向删除答案的用户道歉，但我在评论中提到了dict的单个trie。如果字典不是庞大的话，每个长度的子测试可能会有用。）

将缩写与字典匹配的最快方法

3 个答案: