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。