字典树（Trie）

字典树（Trie）（共11篇）

字典树（Trie） 篇1

字典的自述作文：“我是字典”

字典的自述作文：“我是字典”

大家好!我里面有许许多多的字，小朋友们不认识或有字不会写，我都可以帮忙。哈哈，猜到我是谁了吧，我就是大名鼎鼎的字典!我的外皮是红、白、黑和绿合成的美丽外皮，里面是白纸黑字。

我最大的`特点是字的繁体、意思、组词都有，而且组成词后，连词的意思也有。小学生必备，可以让自己不认识的字变成认识的字，组词方便，页数特多，是识字的好帮手。主人经常需要我，每到主人叫我，我都自觉地蹦出来，帮主人解决关于字的困难。

我还有个缺点，就是纸太薄。当主人把我借给别人时，别人有时不小心会弄烂，疼地我哇哇叫。主人看到我有伤口，连忙帮我包扎上。不一会儿，我的伤口就不疼了，主人真好!

哈哈!同学们，字典准备好了吗?准备好也不必拿出来，因为我要休息去啦，再见!

字典树（Trie） 篇2

中文自动分词中的正向最大匹配算法是一个实用性很强的分词算法, 该算法只需要一个词典, 依据“长词优先”的原则进行切分。文献[1]介绍了正向最大匹配算法, 算法基本思想是:假设分词词典中最长词条的汉字个数是n, 每次从待切分字符串S中截取一个长度为n的子串W作为匹配串, 查找分词词典, 如果匹配成功则把W作为一个词从S中切分出来, 如果匹配不成功, 就从W的尾部减去一个字, 用n-1长度的子串, 重复前面的匹配过程, 直到匹配成功。据统计, 一字词和二字词在汉语词汇中占96.4%[1], 按词典中最长词切分会造成大量时间浪费, 查找效率低。

词典结构是词典分词算法关键技术, 直接影响分词算法的性能[2]。文献[3]通过实验考察了三种典型的分词词典机制:整词二分、Trie树及逐字二分, 得出结论是Trie树及逐字二分时间效率大致相当, 采用正向最大匹配算法, Trie树及逐字二分的查找速度是整词二分的15.3倍。

文献[4]提出了一种改进的中文分词正向最大匹配算法, 词典由首字哈希表, 词素表, 词典正文三级构成, 根据词素表中记录的词条长度动态确定截取待处理文本长度的思想。该方法减少了匹配次数, 仍然没有完全克服词长的限制问题。文献[5]提出一种改进的快速分词算法, 词典由首字哈希表, 词典正文两级构成, 词条按汉字内码有序排列, 首字哈希, 词尾部分用二分查找, 该方法的时间复杂度为1.66。文献[6]提出一种基于自动机的分词方法, 词典结构用二叉树组织, 根据词典中汉字的状态进行匹配实现快速查找, 试验结果表明该方法查找性能优于文献[5]提出的方法。文献[7]提出了基于双数组的Trie树词典结构的分词算法, 该算法是目前我们见到的文献中最快的分词算法。该方法存在的问题是词典构造复杂不易维护, 每插入一条新词语, 整个词典结构都要重新构造一遍。因此, 这就限制了该方法的适用范围, 最好应用于实时性要求较高的封闭式词典中[7]。

正向最大匹配算法关键步骤是切分过程中每次根据词典中的词长度调整字符串。本文提出一种新的Trie树词典结构, 节点记录字符在词语中的位置信息, 子节点采用哈希机制, 设计了词典的构造算法。在新的词典结构上优化了正向最大匹配算法, 通过节点中记录的位置信息, 用自动机机制判断是否构成最长词语。切分过程中不再需要根据词长调整字符串的长度, 减少匹配次数, 提高中文分词效率。词典构造简单, 插入新词时, 不需要对整个词典结构重新构造。

1 改进的词典结构

1.1 词典结构

Trie树是一种以树的多重链表形式表示的键树, 来自英文单词"Retrieval"的简写[8]。本文提出的词典结构, 对Trie树进行了改进, 词典由首字哈希表和Trie树节点构成。构造Trie树的过程中, 把字符参与构词的位置信息定义成不同的状态。这样, 以某个字符为首字的所有词条的全部字符可以组织成一个有限状态自动机, 根据字符状态可以快速判断是否构成最长词语, 具体判断方法在本文第二部分算法查询中介绍。

定义在以某个字符为首字的所有词条的全部字符集合中, 如果一个字符不是一个词条的尾字, 称为继续状态, 用0表示;如果一个字符是一个词条的尾字但该词还可以作为前缀构成一个更长的词语, 称为延伸状态, 用1表示;一个字符是一个词条的尾字且该词不可以作为前缀构成一个更长的词条, 称为终结状态, 用2表示。

根据以上定义, 改进的Trie树结构中, 词语中的每个字符构成一个节点, 相应的逻辑结构如图1所示。

其中, c:字符;state:状态;child:指向子节点。子节点是所有以字符c为前缀的字符集合。子节点的数据结构可以采用顺序结构、链式结构和哈希结构。数据结构决定了查找的时间复杂度, 假设子节点中有n个字符, 采用顺序结构二分查找的时间复杂度为log2n;采用链式结构, 时间复杂度为n/2;采用哈希结构, 时间复杂度为常数级。查找速度是衡量分词系统性能的一个关键指标, 改进的Trie树的子节点用哈希结构, 子节点的哈希结构形式如图2所示。

词条的首字形成的节点, 存放在首字哈希表中, 子节点采用哈希结构, 改进的Trie树的逻辑结构如图3所示。

例如“大案”、“大坝”、“大白”, 有相同的前缀“大”, 把“大”构成节点存放在首字哈希表中;“案”、“坝”、“白”等所有以“大”为前缀的字符集合存放在哈希表中, 构成“大”的子节点。

由于字符在机器内都是用编码来表示的, 因此, 词典结构中的首字哈希表可用节点类型的数组实现, 根据汉字的编码方案, 把汉字的编码映射到数组索引。数组的索引访问方式比哈希表更快。字符编码方案和具体实现语言有关, 如Java采用Unicode编码。

1.2 词典构造算法

在分词之前必须把词库加载到内存中来构造出Trie树, 构造过程中以词条为单位插入到Trie树。词典构造过程如算法1所表述。

算法1词典构造算法

S1:读取词条首字, 作为一颗子树的头节点插入首字哈希表, 继续状态;

S2:读取下个字符, 若子树中没有该字符, 则插入该字符, 继续状态, 若父节点是终结状态, 修改父节点成延伸状态;

S3:重复步骤S2, 直至最后一个字符;

S4:如果最后一个节点是新插入的节点, 状态为终结状态, 否则状态为延伸状态;

S5:重复步骤S1, 直至所有的词条插入完。

2 正向最大匹配算法

2.1 算法流程

在字符串切分的过程中, 以当前字符Ci作为词条首字, 查找改进的Trie树词典结构, 以字符Ci为首字的所有词条的字符构成一个有限自动机, 每个字符节点处于自动机的一个状态, 读取字符串的下一个字符Ci+1作为自动机的输入, 根据自动机状态进行转移, 当到达终结状态或者无法转移而停机的时候, 完成一次查找, 产生一条最长词语。切分过程如算法2表述。

算法2正向最大匹配算法

S1:从目标串S读取字符Ci;

S2:从首字哈希表查找Ci, 形成当前节点;

S2:从S读取下一个字符Ci+1, 从当前节点哈希查找子节点中的Ci+1;若子节点中没有Ci+1, 则停机, 否则形成新的当前节点, 读取字符状态;

S3:若停机转步骤S6, 若是继续状态转步骤S2, 若是延伸状态转步骤S4, 若是终止状态转步骤S5;

S4:标记延伸状态, 转步骤S2;

S5:提取词语, 转步骤S1;

S6:判断前一状态是否延伸状态, 如果是, 转步骤S7, 否则转步骤S8;

S7:提取词语, 转步骤S1;

S8:索引回溯到i+1, 转步骤S1。

2.2 算法流程举例

结合图3, 举例说明字符串“大案必破”的分割方式。词典里以“大”为首字的所有词条的全部字符构成了一个自动机。扫描到“大”, 自动机状态0, 是继续状态;接着扫描到“案”, 自动机状态为1, 是延伸状态;接着扫描到“必”, 自动机没有定义从“案”到“必”的输入, 无法转移, 停机;一次查找完毕, 分割出词语“大案”。返回到“必”开始新的一轮扫描。这种逐字查找的方法, 通过词典中的字符串与构词过程中的位置信息, 能快速判定是否到了最长词语, 从而就克服了根据最长词的长度设定目标串的初始长度的问题。

3 算法评估与实验对比

3.1 时间复杂度

改进后的Trie树词典结构支持逐字哈希, 且首字映射成数组下标, 根据词频可以计算出分词算法的平均时间复杂度。文献[1]提供词频统计数据, 如表1所示。

采用文献[1]提供的时间复杂度计算方法, 计算过程如下:

(1) 哈希查找根据哈希冲突的处理方式不同, 时间复杂度略有差异[8], 但都是常数级。假设装填因子a是0.75, 根据开放寻址时间复杂度计算公式[9], 计算一次哈希时间复杂度:

(2) 首字采用数组结构, 时间复杂度为1, 不同长度的词语查找长度计算如下。

二字词平均查找长度为:

三字词平均查找长度为:

四字词平均查找长度为:

五字词平均查找长度为:

六字词平均查找长度为:

七字词平均查找长度为:

根据表1的词频数据, 切分一条词语的平均时间复杂度为:0.3965×2.848+0.0221×4.696+0.0119×6.544+0.00144×8.392+0.00083×10.24+0.00023×11.08=1.33

理论分析表明, 结果比文献[5]的1.66有所提高、优于文献[4]的2.291和文献[1]的2.89。

3.2 实验测试

文献[7]是我们了解到的最快的中文分词算法。文献[6]的试验结果表明该文算法优于文献[1, 5], 因此本文的试验只和文献[6, 7]的算法对比。为叙述方便, 文献[7]的算法称为文献7方法, 文献[6]的算法称为文献6方法。采用Java语言实现了文献[6, 7]和本文提出的算法, 其中本文算法中子节点用到的哈希机制采用Java语言内置HashMap类。用2M共计105万字符的文本作为测试语料, 测试结果如表2所示。

可见在切分速度这一指标上, 文献[7]提出的双数组Trie树分词算法仍然是目前最快的算法, 本文算法较文献[6]提供的算法在查询速度上有很大的提高。文献[6]引入了自动机机制, 但词典结构采用二叉树组织, 顺序查找, 时间复杂度为n/2。本文词典支持逐字哈希查找, 时间复杂度为常数级, 因而本文算法的切分速度高于文献[6]中提供的方法。

4 结语

本文提出了一种改进的Trie树词典结构, 在此数据结构的基础上实现了正向最大匹配算法, 解决了正向最大匹配算法中根据词典中词语的长度调整字符串长度的问题, 减少匹配次数, 提高了中文分词速度。词典构造简单, 插入新词不需要改动整个词典结构, 尤其适用于词条需要实时更新的场合。本文词典构造采用哈希表, 需要较大的空间开销, 在目前的硬件配置情况下, 这已经不是问题。算法中的哈希机制是制约查找速度的关键因素, 还存在进一步改进的余地。

摘要：提出一种改进的Trie树结构, 树节点记录了字符串与构词的位置信息, 子节点采用哈希查找机制, 在此基础上优化了中文分词的正向最大匹配算法。分词过程中利用自动机机制判断是否构成最长词, 解决了正向最大匹配算法需要根据词长调整字符串的问题。算法时间复杂度为1.33, 对比试验结果表明有较快的分词速度。基于改进Trie树结构的正向最大匹配算法提高了中文分词速度, 尤其适用于词典结构需要实时更新的场合。

关键词：中文信息处理,分词,正向最大匹配算法

参考文献

[1]吴胜远.一种汉语分词方法[J].计算机研究与发展, 1996, 33 (4) :307-311.

[2]奉国和, 郑伟.国内中文自动分词技术研究综述[J].图书情报工作, 2011, 55 (22) :41-45.

[3]孙茂松, 左正平, 黄昌宁.汉语自动分词词典机制的实验研究[J].中文信息学报, 2000, 14 (1) :1-6.

[4]王瑞雷, 栾静, 潘晓花, 等.一种改进的中文分词正向最大匹配算法[J].计算机应用与软件, 2011, 28 (3) :195-197.

[5]陈桂林, 王永成, 韩客松, 等.一种改进的快速分词算法[J].计算机研究与发展, 2000, 37 (4) :418-423.

[6]吴建胜, 战学刚, 迟呈英.一种基于自动机的分词方法[J].计算机工程与应用, 2005 (8) :81-85.

[7]李江波, 周强, 陈祖舜.汉语词典的快速查找算法研究[J].中文信息学报, 2006, 20 (5) :31-39.

[8]严蔚敏, 吴伟民.数据结构[M].北京:清华大学出版社, 1997.

查字典教学反思 篇3

一名教师，应该是给孩子们“授之以渔”而不是“授之以鱼”，会学与学会虽然只是简单的把顺序调换了一下，但是对于学生而言是非常非常重要的。字典——不说话的人类工程师，他是小学生在学习过程最重要的学习伙伴，也是最重要的老师，他是小学生在小学阶段，包括在以后的学习过程中身旁最宝贵的资源。而学会如何使用它或是如何与它成为朋友，向它请教问题，这是我们会说话的老师应该教会孩子们的。

要怎样才能让孩子们用好它、用活它，这是我从很久之前就开始思考的问题。在二年级的的《语文活动一》中就安排了认识和读诵汉语拼音字母表，紧接《语文活动二》就让学生学会用音序查字法查字典。音序查字法首先要求学生认识并会背汉语拼音字母表，接着是记住大写字母，熟练地掌握字母的排列顺序，为下一步的音序查字法的学习打好基础，然后开始教学查字典。在我们班，很多同学虽然能够流利准确的背诵出拼音字母表，但是还是有个别同学不能对照音节的第一个小写字母写出相应的大写字母。

星期一早自习的时间，就有几位同学兴冲冲的告诉我他买了字典，而且已经会用了。看得出来，孩子们预习了课文，也做好了准备。第一节课，我先让孩子们复习汉语拼音字母表，并让他们掌握口诀“先查音序，再查音节”，对于这些迫不及待、热情洋溢的二年级孩子来说，这是他们最感兴趣的东西。所以第一节课，除了个别拼音十分差的学生，其他人都学得非常轻松愉快。

有了第一节课的基础，很多孩子们在下课的课间时间就自己查了起来。第二节课上，我先带同学们一起认识了字典，告诉他们音序区，让他们试着找找区。然后举了一个例子，就是第一节课已经解决音序和音节的“方”字，我带着学生一起查了起来，我让学生在正文中找到“方”之后，接着说出 “方”字的笔顺、部首、意思等等，并且告诉他们字典的用处，让他们以后可以利用字典来预习生字。我特别告诉学生，在查字典过程中，我们要找的音节在很多字典上它是没有声调的，但是我们在写的时候还是要标上声调。最后，我在黑板上写了几个字，让学生自己查，他们很快就查了起来。在遇到困难时，同学们都能够同桌小组之间互相帮助，学习气氛非常和谐融洽。做完了这道练习后，大部分同学都学会了查字典。个别同学不熟练，但在同学的帮助下还是可以跟上来的，导致这样不熟练的主要原因还是拼音掌握得不好，在找到大写字母后，查找音节比较困难，有待进一步加强生字拼音的巩固。

下课时，我就布置基础训练上的几道练习题，让他们在课后完成。很多同学在完成作业之后，心中对字典还是怀着很大的好奇心，我顺着孩子的兴致让他们查自己的名字，忙的不亦乐乎，有的同学还兴冲冲地告诉老师、同学自己名字中字的意思。通过学生这样积极主动地学习，音序查字法在学生们心中也扎下根，他们对音序查字法也有了更深的肯定。

字典对于孩子们来说，是新颖的，他们对字典这本红红的书本有着强烈的好奇心，所以课堂气氛是热烈的，也有些较难控制，很多学生在拿到字典后，就不时在翻阅着，甚至当老师在讲课时也不能集中注意力。通过查字典教学，我觉得湘教版教材这样安排非常合理，不仅降低了教学难度，而且符合孩子们的年龄特征和接受新事物的能力。整个音序查字法的教学，孩子们也学得兴趣盎然，课堂也较为顺利。

唐丽红

偷字典的女孩 篇4

一日，老师让同学们买字典，一女孩把买字典的钱给妈妈买药了。她看着同学们新买的字典，心里痒痒的，就把王林的字典偷了。 事后，老师逐一排查，发现她字典上的名字有问题，(她叫王森，她在林字上加了个木字)。老师说：“王林同学，你字典是不是丢到别处了，回来老师再帮你找，好吗”?王林点点头。第二天，老师又买了一本字典给了王林。后来，王森同学奋发学习，立志做一名人民教师，经过她不懈的努力，终于圆了她做教师的梦。

也许你会问：当时老师为什么不批评那偷字典的.女孩呢?因为这位老师深深的知道：多一份宽容，多一份理解，将会成就一个-----，也就因为老师的宽容是这个女孩选择了教师的职业。使她有所作为。

字典**作文 篇5

“铃……”下课了。“我还有几个生字没有查完，可不可以……”“随便了，记得带回来就行！”

我们各自回家。温习功课时碰到几个字不认识，想用一下字典，哦，同桌借走还没还呢！这几个字明天赶早，再做！

“同桌，我的字典呢？快还我，我急用！”“那个，那个……”“什么呀，要交作业了！来不及了！”我急得直跺脚。生怕因没完成作业而矮批评。“对不起，你的字典，我昨天查完之后，便没了。”说到这儿，她不好意思地低下头。“什么！那可是我的宝贝啊，限你一天之内找到，否则告你爸去！”

一整个上午，我跟同桌都没说过一句话。见到她，我就横眉瞪眼地瞅他，而她呢，一见到我正面走来，就赶紧拐弯，像怕被我吃了似的。

中午回校时，她说：“我在家里什么地方都找过了，就是找不着……呜……”“好了，好了，我不告诉你爸爸行了吧？”看到她哭的样子，我又有点不忍心，“一本老字典，算了。”我嘴上虽然这么说，心里却很矛盾。

过了几天，她兴高采烈地蹦到我面前说：“我给你买了一本新字典，这可是我省吃俭用，才买来的，算是陪礼。”

我接过来一看，是崭新的。“好吧，我原谅你了！”其实，我心里打翻了蜜罐。

这本新字典，可以说是我的新宠。

学期将近结束，我整理我的抽屉时发现了我的“古董”正被几本大书压在了最底层。

我错怪她了！而且是那么凶！当我低着头把我的新宠还给她时，我看到她笑了。那就代表着她原谅我了。

后来，她说：友情不是被小小的字典摧毁的。真诚的友情是坚若磐石的！

《字典》作文500字 篇6

那天，阳光灿烂，满树的红叶是那么美丽，阳光洒在叶子上，闪闪发光。

上午，我收到了许多礼物，有铅笔盒、书包、音乐盒、存钱罐……这些礼物都很漂亮。忽然一个包装精美的盒子吸引了我的注意力。我立刻满心期待地打开了盒子，却发现只是一本新华字典!

我心里顿时闷闷不乐：“谁送这样的礼物啊?”我不情愿地打开字典，只见第一页上写着：宝贝，生日快乐!落款是：妈妈!后面还画着一个笑脸。我很不开心，心中充满了对妈妈的不满：爸爸还知道送我一袋粘土玩，你却送我一本字典。

我忍不住跑去问妈妈：“妈，这本字典是你送我的?”

“对啊，你喜欢吗?”妈妈说着，还调皮地冲着我眨眼睛。

我心中虽不满，但也不好发作，随口应了一声：“嗯!”随后，就把字典悄悄地扔在一个角落里，不再理会它。

下午，我在写作业的时候，不会写笔芯的“芯”字，我就去请教妈妈。谁知妈妈来了一句：“你去查一下字典吧，不是刚送了你一本吗?去吧，自己查查看。”我不情愿地拖着双腿，把角落里的那本字典翻了出来。

我打开字典，上面有关于“芯”字的笔顺、解释、组词、造句……应有尽有，我不由的一阵惊喜：这本字典好神奇啊!

字典的自述作文 篇7

我穿着红色的战袍，每次作战都凯旋归来，你瞧我酷吧。你如果遇到“赢”字不会写怎么办呢?就派我出征吧，翻开第一页，音序表，赢字在多少页就会找到了。如果你不知道“龄”字怎么拼，就翻开第二页笔画表，先数“令”字有几画，再数除了部首之外有几画。

小主人一向都很保护我，可是有次小主人觉的我旧了，就把我扔了，我大声的哭了起来，小主人听到我哭声又把我检了起来，包上精美的书皮，我很感激小主人。

我的功能很多，经常翻翻我，就能获取很多知识，比如会知道“牙”的家族里有：智牙、磨牙、切牙、尖牙、前磨牙这些兄弟。一颗牙的结构有牙冠、牙颈、牙质、牙龈、压腔、牙根。这些知识你肯定不懂吧，有了我，你就知道了。

我的字典作文 篇8

有一次，我做作业的时候遇到了一个不会的字，家里人又不在，怎么办呢?还好，，我的字典朋友在我的身边，我立刻查字典，终于结开了这个难题。

又有一次，妈妈让我查一个“撬”字，我在字典里左找右找，左看右看，东看西看，怎么也找不到这个字，最后我用拼音查字法终于查到了，妈妈都夸我棒呢!

查字典比赛作文 篇9

一进教室，只见同学们在里面像一只只小鸟，叽叽喳喳说个不停，差点儿闹翻了天，小学三年级作文《查字典比赛》。

老师进门了，我们便安静了，只听老师像往常一样，走到前面，然后说：“今天我们来玩一个查字典比赛。”我们一听又要玩游戏，又叽叽喳喳说了起来，等老师要讲游戏规则的时候，我们才安静了下来，老师说：“规则有三条，第一条：第一轮要用音序查字法;第二条：要用部首查字法;第三条：要用数笔划查字法，。每一轮要玩两次，如果有人违反规则，就不能玩，听到了吗?”我们齐声答到：“听到了。”于是我们就开始玩了。

第一轮比赛开始了，老师叫我们用第一规则来查——拼音查字法，老师写出三个拼音让我们查，第一个是gā，第二个是hǎn，第三个是shā，可是我查来查支都没查到，我有点灰心了，结果是郑筱帆赢了。

第二轮，老师出的字是xiāyě(撒野)，可是我还是没查到，结果是黄基祚赢。

最后第三轮、第四轮和第五轮，我都没赢，我唉声叹气地说：“真希望我能在最后一轮可以赢。”

于是在最后一轮时中，我拼命地查，心很静，查啊查，终于查到了，我赢了，我真高兴啊!

我与《新华字典》 篇10

王老师希望我们上了小学后，能好好学习，天天向上，学到更多本领。听了妈妈的话，我想到了王老师，情不自禁地哭了。

现在，我即将读小学二年级了，在这一年的学习中，我学会了使用《新华字典》，会用拼音音节和部首查字。当遇到不认识的字时，我会拿起它；当我遇到不会组词的字时，我也会拿起它。《新华字典》成了我形影不离的好朋友。我很感谢王老师送给我这么珍贵的礼物！我会好好爱惜它的！

福建省厦门市滨东小学一年（1）班 陈思妍

查字典作文 篇11

本周老师教会了我们如何查字典．回家后妈妈把爸爸.妈妈.舅舅.哥哥.妹妹还有我自已的名字全都写出来叫我在字典里查出后并写上拼音，然后再拼读给她听．

查字典作文50字

小学生作文（中国大学网chengyucidian/-->成语：“一不做二不休”，

 

小学生作文大全

唉?这个词虽见过但是什么意思……“哎呀!管他呢!又不会有人问，查了也没用……”我心里当时是这么想的。作文课上，我正沉浸在与周公约会的快乐时，老师说道：“我布置的书你看完了吗?”我自豪地说：“看完了”老师又说：“那好，请你说说一不做，二不休的意思!”我一听，傻眼了:“天啊，早知道就查查字典了,不管了，反正我的运气向来不错，根据字面猜吧：意思是‘干一天活就休息一天，比喻学习工作没有恒心，经常中断’”我底气不足的说。哈哈……全班都笑得死去活来的，等笑声慢慢平息后老师严厉地说:“他的意思是要么不做，要做就做到底，而你刚才说的是‘三天打鱼，两天晒网’我晕!……

回到家，我恨我自己没有查字典，恨自己在同学面前出丑。后来，看书时，发现不认识的字、不会的词时脑海里就会慢慢的浮出上次的景象，无论书有多么好看，哪怕不下面的不看了也要去查查字典。

于是，我慢慢的养成了遇到不懂的字就去查字典的好习惯，如果你也像曾经的我一样，那么，你也是用字典吧。

精品学习网  作文频道