我需要处理将近 1,300,000 个单词(有些单词组是相似的)。 我正在做一些小词汇,每个词都有它的描述。 需要快速搜索词汇。所以我决定使用前缀树。 首先,需要建立前缀树(这是一个缓慢的过程,我知道),之后可能会组织快速浏览词汇。
但我的问题 - 前缀树构建速度极慢(前 300,000 个单词构建速度很快,但构建尾部非常非常慢,慢到我等不及构建树!!)。
这是我的前缀树类:
public class InverseVocabularyTree implements Serializable
{
private HashMap<Character, InverseVocabularyTree> childs;
private String description;
public InverseVocabularyTree() {
childs=new HashMap<Character, InverseVocabularyTree>();
}
public void addWord(String word, String description){
InverseVocabularyTree tr=this;
InverseVocabularyTree chld=this;
char[] letters=word.toCharArray();
for (int i=word.length()-1; i>=0; i--) {
if (!tr.childs.containsKey(letters[i]))
{
for(int j=i; j>=0; j--) //a small optimisation..
{
chld=new InverseVocabularyTree();
tr.childs.put(letters[j], chld);
tr=chld;
}
break;
}
else
tr=tr.childs.get(letters[i]);
}
tr.description=description;
return;
}
public HashMap<Character, InverseVocabularyTree> getChilds() {
return childs;
}
public String[] getRemovableBasicParts() {
return removableBasicParts;
}
public LinkedList<String[]> getAllRemovableBasicParts() {
LinkedList<String[]> ret=new LinkedList<String[]>();
if (removableBasicParts!=null)
ret.add(removableBasicParts);
if (childs.keySet().isEmpty())
return ret;
for(char c : childs.keySet())
ret.addAll(childs.get(c).getAllRemovableBasicParts());
return ret;
}
}
那么,有没有人有一些想法或建议如何在这种情况下进行优化?
最佳答案
如果您不需要值,我只会使用 NavigableMap 或类似的 Set。 假设您需要搜索以“abc”开头的单词,您只需要做
NavigableMap<String, Boolean> wordmap = new TreeMap<String, Boolean>();
Random random = new Random(1);
for(int i=0;i<10*1000*1000;i++)
wordmap.put(Long.toString(Math.abs(random.nextLong()), 36).substring(1), true);
String prefix = "abcd";
for (String word : wordmap.subMap(prefix, prefix+"\uffff").keySet()) {
System.out.println(word + " starts with " + prefix);
}
//或
for (String word : wordmap.tailMap(prefix).keySet()) {
if (!word.startsWith(prefix)) break;
System.out.println(word + " starts with " + prefix);
}
这在我的机器上使用 1GB 用于 1000 万个条目和打印
abcd0krpbk1 starts with abcd
abcd7xi05pe starts with abcd
abcdlw4pwfl starts with abcd
编辑:根据反馈,我建议采用以下方法。
// keys stored in reverse order of the original string.
NavigableMap<String, Boolean> wordmap
String search = "dcba";
// retains hte order keys were added.
Map<String, Boolean> results = new LinkedHashMap<String, Boolean>();
for(int i=search.size();i>=1;i--) {
String s = search.substring(0, i);
results.putAll(wordmap.subMap(s, s+'\uFFFF')); // ignores duplicates
}
结果将按添加顺序合并所有搜索,从最具体到最不具体。
关于java - 前缀树问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5499064/