提示：
詞典及容錯性檢索(詞典搜索的數(shù)據(jù)結(jié)構(gòu)與通配符查詢)
本節(jié)最重要的內(nèi)容是：

（1）詞典快速查找的數(shù)據(jù)結(jié)構(gòu) （2）非精確查詢 （3）自動校正技術(shù)

希望大家學到：

(1)了解詞典查找的數(shù)據(jù)結(jié)構(gòu) (2)理解通配符查詢的思想 (3)掌握編輯距離的計算 (4)理解自動校正技術(shù)的思路

>>***其他內(nèi)容(拼寫校正)可轉(zhuǎn)***<<

文章目錄

• 詞典搜索的數(shù)據(jù)結(jié)構(gòu)
• • 常用數(shù)據(jù)結(jié)構(gòu)
  • • 哈希函數(shù)
    • 二叉樹
    • 字典樹
    • B樹
  • 通配符查詢
  • • (1)輪排索引
    • (2)支持通配符查詢的k-gram索引

---

詞典搜索的數(shù)據(jù)結(jié)構(gòu)

常用數(shù)據(jù)結(jié)構(gòu)

哈希函數(shù)

二叉樹

字典樹

B樹

內(nèi)部節(jié)點可以多于兩個
舉例：2-3 B樹只能有2-3個內(nèi)部結(jié)點

點擊直達>>為什么平衡二叉樹不適合索引：
索引是存在于索引文件中，是存在于磁盤中的。因為索引通常是很大的，因此無法一次將全部索引加載到內(nèi)存當中，因此每次只能從磁盤中讀取一個磁盤頁的數(shù)據(jù)到內(nèi)存中。而這個磁盤的讀取的速度較內(nèi)存中的讀取速度而言是差了好幾個級別。
注意，我們說的平衡二叉樹結(jié)構(gòu)，指的是邏輯結(jié)構(gòu)上的平衡二叉樹，其物理實現(xiàn)是數(shù)組。然后由于在邏輯結(jié)構(gòu)上相近的節(jié)點在物理結(jié)構(gòu)上可能會差很遠。因此，每次讀取的磁盤頁的數(shù)據(jù)中有許多是用不上的。因此，查找過程中要進行許多次的磁盤讀取操作。
而適合作為索引的結(jié)構(gòu)應(yīng)該是盡可能少的執(zhí)行磁盤IO操作，因為執(zhí)行磁盤IO操作非常的耗時。因此，平衡二叉樹并不適合作為索引結(jié)構(gòu)。

通配符查詢

通配符查詢：

方式數(shù)據(jù)結(jié)構(gòu)舉例

尾通配符查詢	B樹	mon*
首通配符查詢	反向B樹	*mon
一般通配符查詢	B樹和反向B樹	se*mon

查詢方法：

(1)輪排索引

在字符集中引入新的符號$，標識詞項開始和結(jié)束。
舉例：hello輪排索引部分




輪排索引特點：解決了通配符查詢問題，結(jié)構(gòu)簡單，詞典會非常大

(2)支持通配符查詢的k-gram索引

k-gram代表由k個字符組成的序列。
舉例：在詞項castle中 cas、ast、tle都是3-gram。
?如果用$字符標識詞項開始和結(jié)束。那么該詞項所有的3-gram有：$ca,cas,ast,stl,tle,le$。

總結(jié)

以上是生活随笔為你收集整理的3.1词典搜索的数据结构与通配符查询的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。