Question

对于这种情况，有没有比Trie更好的东西？

存储~100k英文单词列表
需要使用最小内存
查找需要合理，但不必快速闪电

我正在使用Java，所以我的第一次尝试就是使用Set＆lt; String＆gt;。但是，我的目标是移动设备并且内存不足。由于许多英语单词共享共同的前缀，trie似乎是一个体面的赌注，以节省一些记忆 - 任何人都知道一些其他好的选择？

编辑 - 更多信息 - 数据结构将用于两个操作

回答：列表中是否有XYZ字样？
生成XYZ周围的单词邻域，字母不同

感谢您提出的好建议

Answer 1

我看到一个最小化拼写字典空间的结构是将每个单词编码为：

与最后一个共同的字符数（一个字节）;和
新结局。

所以单词列表

HERE            would encode as    THIS
sanctimonious                      0,sanctimonious
sanction                           6,on
sanguine                           3,guine
trivial                            0,trivial

你在那里直接保存7个字节（19％），我怀疑由于相邻单词的（公共前缀）之间的最小距离，对于20,000字的字典保存是相似的。

为了加速查找，内存中有一个26条目表，它保存以a，b，c，...，z开头的单词的起始偏移量。这些偏移处的字总是以0作为第一个字节，因为它们没有与前一个字相同的字母。

这似乎是一种特里但没有指针，如果树中的每个字符都有一个与之关联的4字节指针，这肯定会占用太多空间。

请注意，这是来自我的CP / M日，那里的记忆比现在更加稀缺。

Answer 2

Patricia trie可能更合适：

http://en.wikipedia.org/wiki/Patricia_tree

我的（模糊）记忆告诉我在一些早期的全文搜索引擎中使用过......

保罗。

Answer 3

你正在做什么？如果是拼写检查，您可以使用布隆过滤器 - 请参阅此code kata。

Answer 4

您仍然需要使用Trie维护树结构。 Huffman encoding字母或N字母（对于“ing”，“un”，“ing”等常见形式）可以利用字典中的出现频率并将条目压缩为位。

Answer 5

完全疯狂的想法......（即很可能非常错误）

如何将单词存储为所有可能字母组合的树？

然后每个“单词”只花费一个char和两个指针（一个指向char，一个指向终结符。）这样，它们共有的字母越多，每个单词的成本就越少。

      . .
     / /
    r-p-s-.
   /\\
  a  \s-.
 /    t-.
c      \
        s-.

车鲤鱼鲤鱼汽车大车推车

因此，对于9个字符和14个指针，我们得到6个“单词”，总共25个字母。

搜索会很快（指针查找而不是字符比较），你可以做一些词干优化来节省更多的空间......？

编辑：看起来我重新发明了轮子。 ; - ）

Answer 6

与保罗的帖子相关：

为什么你不能在你的情况下考虑特里？如果它只是一个实现问题，这里是Patricia trie插入和C搜索（来自NIST）的紧密实现：

Patricia Insert in C

Patricia Search in C

用于存储单词列表的节省空间的数据结构？

6 个答案: