3.3 在C语言下构造马尔科夫链数据结构

3.3 在C语言下构造马尔科夫链数据结构

    在文章的开头，我们要强调一下文章的目的和整体脉络，以便在长文中丢失自我。

1.目的

    我们给定一个输入（前缀），算法将自动匹配它的后缀，并根据选定的后缀更新前缀再重选后缀直至文档结束

2.脉络

    对于我们期望的这种数据结构，我们要明白的是，它要服务马尔科夫链算法。回忆这个算法，我们不难发现算法中需要通过前缀去寻找后缀。而这之中，状态（State）又是一个很重要的存在。因为散列表（也就是哈希表）中对应的元素就是“状态”。

    由此，我们可以先定义状态，它是和散列表相对应的，我们可以通过散列函数来定位到“状态”；（lookup函数）

    状态中包含着前缀（两个单词）和数量未明确的后缀（后缀是一个单词）；（结构体）

    随着我们对文本的读取，我们需要增加“状态“的数量，也就是增加前缀和其对应的后缀。（add与addsuffix函数）

3.主体

    我们首先定义一些常量：

enum
{
	NPREF = 2,			/*前缀中词的数量*/
	NHASH = 4093,		/*哈希表（散列表）大小*/
	MAXGEN = 10000		/*录入的最大单词数量*/
};

    我们设定一个很大的数组，这是因为我们预计程序可能会读取很大的文件，或许是一整本书。我们也选择了一个很大的散列表，这样，即使有10，000个前缀（词对）散列表中的平均链长依旧会很短（大概是两到三个前缀那么长）。数组越大，链的期望长度越短，查询进行的也就更快。过短的散列表会使得链长过长，查询时间变慢；过长的散列表则会导致储存空间的溢出。

    对于整个输入来讲，我们希望其能达到如下的目标：

    1.散列表中元素以状态（state）类型进行储存

    2.状态中包含前缀以及数量不能确定的后缀（Suffix）

    3.每个前缀和其对应的后缀都可以很好的联系在一起

    因此，我们定义如下几个结构体：

typedef struct State