重学算法 系列2 - Trie树(Trie tree)

本文来自搜索引擎研究,转载须注明出处。

Trie树，又叫前缀树，是一种排序树数据结构，用来存储关联数组，其中的key通常是字符串。不像二叉搜索树(BST)的节点上不存储相关的key，Trie树上的节点位置用来表示与它相关的key。所有的后继结点都拥有相同的前缀，而根节点关联的是空字符串。通常节点不关联值，只有其上的叶子节点和中间节点表示你感兴趣的key。

下面是Trie树相对于二叉搜索树(BST)的优点：

1.       查找key更快，对于一个长度为m的key，最差时间复杂度是O(m)。而BST需要用O(logN)来比较key，N是树上元素的个数。由于查找依赖于树的深度，因此最差的情况下BST需要O(m log N)的时间。

2.       Trie树需要更小的存储空间。

3.       Trie树可以方便地用来做最长前缀匹配（LPM）。

 

用Trie树和Hash表做比较，可以发现下面的优点和缺点：

1.       在最糟情况下，Trie的查找时间是O(m),它高于hash表的(N)，因为hash表可能会遇到key冲突。不过典型的hash表查找时间是O(1).

2.       Trie树中没有不同key的冲突问题。

3.       在新增key的情况下不需要像hash表那样增加或者修改hash函数。

4.       Trie树可以提供key字母序的值。

 

Trie也有一些缺点：

1.       Trie查找要比hash表来的要慢

2.       很多key是无法用字串来表示的，只能用多个字串来表示，例如浮点数。

 

Trie通常用来存储字典，比如说手机上的字典，它利用了Trie的快速查找和添加删除功能。但是，如果存储是最重要的考量的话，无环DFA是将会比Trie更节省空间。

Tire也能很好的应用在模糊匹配算法方面，包括一些拼写检查的软件。

 

转载于:https://www.cnblogs.com/yuetiantian/archive/2009/10/18/1585374.html