Python中的Trie（前綴樹）

Question

我不知道這是否是詢問算法的地方。 但是，讓我們看看我是否得到任何答案...... :)

如果有什么不清楚我很樂意澄清事情。

我剛剛在python中實現了一個Trie 。 然而，有一點似乎比它應該更復雜（作為一個喜歡簡單的人）。 也許有人遇到過類似的問題？

我的目標是通過在其根中存儲子trie的最大公共前綴來最小化節點數。 例如，如果我們有stackoverflow ， stackbase和stackbased這兩個詞，那么樹看起來像這樣：

              [s]tack
[o]verflow ______/ \_______ [b]ase
                                  \___ [d]

注意，人們仍然可以想到邊緣具有一個字符（子節點的第一個）。

查找 -query很容易實現。 插入並不難，但比我想要的更復雜.. :(

我的想法是一個接一個地插入密鑰（從一個空的trie開始），首先搜索要插入的密鑰k（ Find （k）），然后在本地重新排列/拆分節點查找程序停止。 結果是4種情況:(設k是我們要插入的鍵，k'是節點的關鍵，搜索結束）

1. k與k'相同
2. k是k'的“正確”前綴
3. k'是k的“正確”前綴
4. k和k'共享一些共同的前綴，但沒有一種情況發生（1），（2）或（3）。

似乎每個案例都是獨特的，因此意味着對Trie的不同修改。 但是：真的那么復雜嗎？ 我錯過了什么嗎？ 有更好的方法嗎？

謝謝 ：）

Answer 1

乍一看，聽起來你已經實現了Patricia Trie 。 在一些文獻中，這種方法也稱為路徑壓縮。 應該有不在ACM付費專區后面的那篇論文的副本，其中將包括插入算法。

您還可以查看另一種壓縮方法：級別壓縮。 路徑壓縮背后的想法是用一個具有“跳過”計數的超級節點替換單個子節點的字符串。 級別壓縮背后的想法是用超級節點替換完整或接近完整的子樹，其中“度”計數表示節點解碼的密鑰的位數。 還有一種稱為寬度壓縮的第三種方法，但我擔心我的記憶失敗了，我無法通過快速谷歌搜索找到它的描述。

級別壓縮可以顯着縮短平均路徑，但插入和刪除算法變得非常復雜，因為它們需要像動態數組一樣管理trie節點。 對於正確的數據集，級別壓縮樹可以很快 。 根據我的記憶，它們是存儲IP路由表的第二快方法，最快的是某種哈希特里。

Answer 2

我認為你的方法沒有任何問題。 如果你正在尋找尖峰解決方案，也許在案例4中采取的行動對於前三種情況實際上是可行的，IE找到k和k'的公共前綴並重建節點時考慮到這一點。 如果碰巧鍵是彼此的前綴，那么生成的trie仍然是正確的，只有實現做了比實際更多的工作。 但話又說回來，沒有任何代碼可以看，很難說這是否適合你的情況。

Answer 3

有些切線，但如果你對Trie中的節點數量非常擔心，你可能會考慮加入你的單詞后綴。 我將看一下DAWG（Directed Acyclic Word Graph）的想法： http ： //en.wikipedia.org/wiki/Directed_acyclic_word_graph

這些的缺點是它們不是很動態，創建它們可能很困難。 但是，如果你的字典是靜態的，它們可以超級緊湊。

Answer 4

我對您的實施有疑問。 您決定將字符串拆分為前綴樹的粒度級別是多少。 您可以將堆棧拆分為s，t，a，c，k或st，ta，ac，ck以及其他許多ngrams。 大多數前綴樹實現都會考慮語言的字母表，基於此字母表，您可以進行拆分。

如果你正在構建python的前綴樹實現，那么你的字母表將是def，：，if，else等等

選擇正確的字母表會對構建高效的前綴樹產生巨大的影響。 至於你的答案，你可以在CPAN上尋找使用trie進行最長公共子串計算的PERL包。 你可能會有一些運氣，因為他們的大多數實現非常強大。

Answer 5

請看：Judy-arrays和http://www.dalkescientific.com/Python/PyJudy.html上的python接口