Huffmam树

Huffmam树

• Huffmam树：给定n个权值作为n个叶子结点，构造一颗二叉树，若它的带权路径达到最小，则称这样的二叉树为最优二叉树，也称为Huffmam树

• 在计算机科学中，树是一种很重要的非线性数据机构，它是数据元素按分支关系组织起来的结构，若干个相互不相交的树构成的集合称为森林，下面给出几个与树相关的常用的概念

  路径和路径长度，在一颗树中，从一个结点往下可以达到的孩子或孙子结点之间的通路，称为路径，在通路中分支的数目称为路径长度，若根结点的层号为1，则从根结点到第L层结点的路径长度为L-1

  结点的权和带权路径的长度，若为树中结点赋予一个具有某种含义的非负数值，则这个数值称为该结点的权，结点的带权路径长度是指从根结点到该节点之间的路径长度与该结点的权的乘积

• Huffmam树构造，给定n个权重值{w1，w2,…wn}作为二叉树的n个叶子结点，可以通过以下算法来构造一颗Huffmam树构造
  Huffmam树构造算法

1. 将{w1，w2,…wn}看成是有n课树的森林，（每棵树仅有一个结点）
2. 在森林中选出两个根节点的权值最小的树合并，作为一颗新树的根结点权值为其左右子树结点权值之和
3. 从森林中删除选取的两颗树，并将新树加入森林
4. 重复2,3步直到森林中只剩一颗树为止，该树即为所求的Huffmam树

Huffmam编码

利用Huffman树设计的二进制前缀编码，称为Huffman编码，

文本领域Huffman编码，它是将训练语料中的词当成了叶子节点，其在语料中出现的次数当做权值，通过构造相应的Huffman树来对每一个词进行Huffman编码
右图中留个词的Huffman编码，其中约定（词频较大的）左孩子节点编码为1，（词频较小的）右孩子结点编码为0，这样一来，“我”，“喜欢” “观看” “巴西” “足球” “世界杯” 这六个词的Huffman编码分别是0,111,110,101,1001,1000