存储字典（单词）以优化搜索时间的良好数据结构是什么？

Question

提供了一个有效单词列表和一个搜索单词，我想查找该搜索单词是否是一个有效单词，是否允许2个错字。

存储单词词典（假设它包含一百万个单词）和查找单词是否存在于词典中（允许2个拼写字符）的算法将是一个很好的数据结构。

如果不允许输入任何错字，则Trie是存储单词的好方法，但不确定允许输入错字时，它是否仍是存储词典的最佳方法。不确定回溯算法（在Trie中搜索允许2个错字的单词）的复杂程度。有任何想法吗？

Answer 1

您可能想签出定向非循环字图或 DAWG 。它比图结构树具有更多的自动机结构。一个地方的多种可能性可以为您提供解决方案。

Answer 2

如果不需要存储所有错误键入的单词，我会考虑针对此问题使用两步方法。

1。）构建一个包含所有有效单词（不包括错字）的哈希的集合。因此，我们可能在这里谈论了大约10.000个条目，这些条目仍应允许使用二进制搜索进行非常快速的查找。如果在集合中找到单词的哈希，则将其正确键入。

2。）如果在集合中未找到单词哈希，则该单词可能输入错误。因此，计算单词与所有已知单词之间的Damerau-Levenshtein距离，以弄清楚用户可能的意思。为了获得更好的性能，请在距离大于允许的2个错字阈值的情况下修改DL算法以中止计算。