【精选】深入双数组Trie(Double-Array Trie).pdfVIP

深入双数组Trie(Double-Array Trie)  1 什么是Double Array Trie  2 DAT 结构  2.1 DAT 定义  2.2 DAT 匹配  2.3 DAT 构造  2.4 DAT 改进方案 什么是Double Array Trie  Double Array Trie 是TRIE 树的一种变形，它是在保证TRIE 树检索速度的前提下， 提高空间利用率而提出的一种数据结构，本质上是一个确定有限自动机 (deterministic finite automaton，简称DFA)。  所谓的DFA 就是一个能实现状态转移的自动机。对于一个给定的属于该自动机的状 态和一个属于该自动机字母表Σ 的字符，它都能根据事先给定的转移函数转移到下 一个状态。  对于Double Array Trie （以下简称DAT），每个节点代表自动机的一个状态，根据 变量的不同，进行状态转移，当到达结束状态或者无法转移的时候，完成查询。 DAT 结构 DAT 定义  DAT 是采用两个线性数组(base[]和check[])，base 和check 数组拥有一致的下标， （下标）即DFA 中的每一个状态，也即TRIE 树中所说的节点，base 数组用于确定 状态的转移，check 数组用于检验转移的正确性。因此，从状态s 输入c 到状态t 的一个转移必须满足如下条件： base[s] + c == t check[base[s] + c] == s  DAT 也可如下描述： 1. 对于给定的状态s，如果有n 个状态（字符c ,c ,...,c ）的转移，需要在 1 2 n base 数组中找到一段空位t ,t ,...,t ，使得t -c ,t -c ,...,t -c 都为base 1 2 n 1 1 2 2 n n 数组中下标为s 的值，注意此处的t ,t ,...,t 不一定在base 数组中连续； 1 2 n 2. 对于转移的状态t ,t ,...,t ，其作为下标时， 1 2 n check[t ],check[t ],...,check[t ]的值都为状态s； 1 2 n  为了便于理解，这里有一个256 叉树的图（准确的说是26 叉树，但是图画得不好， 暂且我们把它当作256 叉树吧）。  图中最顶端有256 的父节点，每个父节点都有256 个子节点；那么无论汉字和字母， 都可以分布在256 个子节点上，但是如果词语只有app 和apple 以及banana 三个词 语，那么256 个父节点显得有些浪费，实际上只需要2 个父节点就可以了。 o 如果节点的类型为整型，我们把所有的节点进行编号的话，且直接采用词语 的首字母ascii 码来直接作为节点，a(97), b(98)这两个父节点会使用到， 其余的父节点是多余的，使用一个空指针即可。 o 根据256 叉树的定义，97 和98 也会有256 个子节点，但是词语的第二个字 母显示，97 的下一个节点只有一个p(112)节点，98 的下一个节点只有一个 a(97)节点，则其余的节点仍然为空，这样，由于树型的算法的复杂度为O ，