键树及其存储结构(应用于IK Analyzer)

     键树，又称数字查找树。它是一棵度>=2的树，树中的每个节点不是包含一个或者几个关键字，而是只是组成关键字的符号。如，若关键字是单词，则节点中只包含一个字母字符。

    键树有两种存储结构：一是双链树，而是Trie树。

    由于在分词器中采用了Tried树作为存储结构，故写本文以熟悉该结构。

        例如，假设有如下的关键字集：{CAI、CAO、LI、LAN、CHA、CHANG、WEN、CHAO、YUN、YANG、LONG、WANG、ZHAO、LIU、WU、CHEN}。

    可按其首字母不同将它们分为5个子集：

{CAI、CAO、CHA、CHANG、CHAO、CHEN}，{WEN、WANG、WU}，{ZHAO}，{LI、LAN、LONG、LIU}，{YUN、YANG}，然后对其中4个关键字个数大于1的子集再按其第二个字符不同进行分割，...以此类推。该结构可用键树表示。

键树可有两种存储结构：1.以树的孩子兄弟链表示键树；2、以树的多重链表表示键树。

重点关注第二种情况。在第二种情况下，树中每个节点含有d个指针域，此时的键树又称为Trie树。

关于Trie树

    在Trie树中分为叶子节点和分支节点，叶子节点中含有关键字域和指向相关记录的指针域，分支节点中含有d个指针域和一个指示该节点中非空指针域个数的整数域。在分支节点中不设数据域，仅含有指针域。

如下是表示以上关键字集合的Trie树，深度为5。

    关于Trie树的查找过程

在Trie树上进行查找的过程为：从根节点出发，沿着和给定的值相应的指针逐层向下，直到叶子节点，若叶子节点中的关键字和给定值相等，则查找成功，若分支节点中和给定值相应的指针为空，或者叶子节点中的关键字值和给定值不相等，则查找失败。

    由此可见，在查找成功时走了一条从根节点到叶子节点的路径，其查找时间依赖于树的深度。

另外，在IK Analyzer中便是使用该树结构存储字典数据。

文献参考：《数据结构》（C语言版），严蔚敏，吴伟民著。