Beseda ' poskusi 'je izvleček iz besede' iskanje '. Trie je razvrščena drevesna podatkovna struktura, ki shranjuje nabor nizov. Ima število kazalcev, ki je enako številu znakov abecede v vsakem vozlišču. Lahko išče besedo v slovarju s pomočjo predpone besede. Na primer, če predpostavimo, da so vsi nizi sestavljeni iz črk ' a 'za' z ' v angleški abecedi ima lahko vsako trie vozlišče največ 26 točke.
prečenje drevesa
Trie je znan tudi kot digitalno drevo ali drevo predpon. Položaj vozlišča v Trie določa ključ, s katerim je to vozlišče povezano.
Lastnosti Trie za nabor niza:
- Korensko vozlišče trie vedno predstavlja ničelno vozlišče.
- Vsak podrejeni vozlišč je razvrščen po abecedi.
- Vsako vozlišče ima lahko največ 26 otroci (A do Ž).
- Vsako vozlišče (razen korena) lahko shrani eno črko abecede.
Spodnji diagram prikazuje predstavitev trie za zvonec, medved, izvrtino, kij, žogo, stop, stožec in kup.
Osnovne operacije Trie
V Trie so trije postopki:
- Vstavljanje vozlišča
- Iskanje vozlišča
- Izbris vozlišča
Vstavljanje vozlišča v Trie
Prva operacija je vstavljanje novega vozlišča v trie. Preden začnemo z izvajanjem, je pomembno razumeti nekaj točk:
- Vsaka črka vnosnega ključa (besede) je vstavljena kot posamezna v Trie_node. Upoštevajte, da otroci kažejo na naslednjo raven vozlišč Trie.
- Niz ključnih znakov deluje kot indeks otrok.
- Če ima trenutno vozlišče že referenco na trenutno črko, nastavite trenutno vozlišče na to referenčno vozlišče. V nasprotnem primeru ustvarite novo vozlišče, nastavite črko tako, da bo enaka trenutni črki, in celo začnite trenutno vozlišče s tem novim vozliščem.
- Dolžina znaka določa globino poskusa.
Izvedba vstavi novo vozlišče v Trie
public class Data_Trie { private Node_Trie root; public Data_Trie(){ this.root = new Node_Trie(); } public void insert(String word){ Node_Trie current = root; int length = word.length(); for (int x = 0; x <length; x++){ char l="word.charAt(x);" node_trie node="current.getNode().get(L);" if (node="=" null){ (); current.getnode().put(l, node); } current="node;" current.setword(true); < pre> <h3>Searching a node in Trie</h3> <p>The second operation is to search for a node in a Trie. The searching operation is similar to the insertion operation. The search operation is used to search a key in the trie. The implementation of the searching operation is shown below.</p> <p>Implementation of search a node in the Trie</p> <pre> class Search_Trie { private Node_Trie Prefix_Search(String W) { Node_Trie node = R; for (int x = 0; x <w.length(); x++) { char curletter="W.charAt(x);" if (node.containskey(curletter)) node="node.get(curLetter);" } else return null; node; public boolean search(string w) node_trie !="null" && node.isend(); < pre> <h3>Deletion of a node in the Trie</h3> <p>The Third operation is the deletion of a node in the Trie. Before we begin the implementation, it is important to understand some points:</p> <ol class="points"> <li>If the key is not found in the trie, the delete operation will stop and exit it.</li> <li>If the key is found in the trie, delete it from the trie.</li> </ol> <p> <strong>Implementation of delete a node in the Trie</strong> </p> <pre> public void Node_delete(String W) { Node_delete(R, W, 0); } private boolean Node_delete(Node_Trie current, String W, int Node_index) { if (Node_index == W.length()) { if (!current.isEndOfWord()) { return false; } current.setEndOfWord(false); return current.getChildren().isEmpty(); } char A = W.charAt(Node_index); Node_Trie node = current.getChildren().get(A); if (node == null) { return false; } boolean Current_Node_Delete = Node_delete(node, W, Node_index + 1) && !node.isEndOfWord(); if (Current_Node_Delete) { current.getChildren().remove(A); return current.getChildren().isEmpty(); } return false; } </pre> <h2>Applications of Trie</h2> <p> <strong>1. Spell Checker</strong> </p> <p>Spell checking is a three-step process. First, look for that word in a dictionary, generate possible suggestions, and then sort the suggestion words with the desired word at the top.</p> <p>Trie is used to store the word in dictionaries. The spell checker can easily be applied in the most efficient way by searching for words on a data structure. Using trie not only makes it easy to see the word in the dictionary, but it is also simple to build an algorithm to include a collection of relevant words or suggestions.</p> <p> <strong>2. Auto-complete</strong> </p> <p>Auto-complete functionality is widely used on text editors, mobile applications, and the Internet. It provides a simple way to find an alternative word to complete the word for the following reasons.</p> <ul> <li>It provides an alphabetical filter of entries by the key of the node.</li> <li>We trace pointers only to get the node that represents the string entered by the user.</li> <li>As soon as you start typing, it tries to complete your input.</li> </ul> <p> <strong>3. Browser history</strong> </p> <p>It is also used to complete the URL in the browser. The browser keeps a history of the URLs of the websites you've visited.</p> <h2>Advantages of Trie</h2> <ol class="points"> <li>It can be insert faster and search the string than hash tables and binary search trees.</li> <li>It provides an alphabetical filter of entries by the key of the node.</li> </ol> <h2>Disadvantages of Trie</h2> <ol class="points"> <li>It requires more memory to store the strings.</li> <li>It is slower than the hash table.</li> </ol> <h2>Complete program in C++</h2> <pre> #include #include #include #define N 26 typedef struct TrieNode TrieNode; struct TrieNode { char info; TrieNode* child[N]; int data; }; TrieNode* trie_make(char info) { TrieNode* node = (TrieNode*) calloc (1, sizeof(TrieNode)); for (int i = 0; i <n; i++) node → child[i]="NULL;" data="0;" info="info;" return node; } void free_trienode(trienode* node) { for(int i="0;" < n; if (node !="NULL)" free_trienode(node child[i]); else continue; free(node); trie loop start trienode* trie_insert(trienode* flag, char* word) temp="flag;" for (int word[i] ; int idx="(int)" - 'a'; (temp child[idx]="=" null) child[idx]; }trie flag; search_trie(trienode* position="word[i]" child[position]="=" 0; child[position]; && 1) 1; check_divergence(trienode* len="strlen(word);" (len="=" 0) last_index="0;" len; child[position]) j="0;" <n; j++) (j child[j]) + break; last_index; find_longest_prefix(trienode* (!word || word[0]="=" '