信息检索——初识Trie树

1、概述

　　Trie树（ /tri:/ ），又称前缀树、字典树，是种快速检索的多叉树结构，

 

Trie树的基本性质可以归纳为：

（1）根节点不包含字符，除根节点意外每个节点只包含一个字符。

（2）从根节点到某一个节点，路径上经过的字符连接起来，为该节点对应的字符串。

（3）每个节点的所有子节点包含的字符串不相同。 

2、Trie基本实现

　　基本操作包括插入、删除、查找等。

　　考虑到通常用于字典等内存较大的情况，应该加入序列化，分割等操作。

3、应用

       接触这一数据结构是因为分词处理中的字典存储问题，对这一问题Trie无意是一个足够高效的数据结构，采用以空间换时间的方式，提供了良好的查找性能。此外还有一下应用：

1）字符串最长公共前缀

2）排序

　　先序遍历整棵树就是字典序的排序输出。

3）作为其他数据结构或算法的辅助结构

　　如AC自动机、后缀树等

4、优化

　　基本结构的插入、查找时间复杂度为O(N)，N为字符串长度

　　 空间复杂度为和字典中字符种类的多少，串的长度有关。

主要优化方法有二分法、基数树、双数组等。具体性能可以参见《几种Trie树性能比较》

 

参考资料

（1）博客 《数据结构之Trie树》http://dongxicheng.org/structure/trietree/

 

（2）博客 《几种Trie树性能比较》http://www.hankcs.com/nlp/performance-comparison-of-several-trie-tree.html

（3）wiki Trie https://en.wikipedia.org/wiki/Trie