EEWiKi
首页
  • 命名数据网络
  • 论文笔记
  • 机器学习
  • 研学周报
  • C++
  • Python
  • 计算机网络
  • 数据结构与算法
  • 计算机组成原理
  • 操作系统
  • 英语学习
  • 面试
  • 运动
  • 生活读书杂货
  • 实用技巧
  • 软件使用安装
最近更新
GitHub (opens new window)
首页
  • 命名数据网络
  • 论文笔记
  • 机器学习
  • 研学周报
  • C++
  • Python
  • 计算机网络
  • 数据结构与算法
  • 计算机组成原理
  • 操作系统
  • 英语学习
  • 面试
  • 运动
  • 生活读书杂货
  • 实用技巧
  • 软件使用安装
最近更新
GitHub (opens new window)
  • 数据结构知识体系结构
  • 数据结构
  • B-Tree
  • 布隆过滤器
  • 字典树Tire
  • 哈希表
  • 数据结构与算法
peirsist
2022-08-11

字典树Tire

Trie树 —— Trie 这个名字取自 “retrieval”,检索,因为 Trie 可以只用一个前缀便可以在一部字典中找到想要的单词。 虽然发音与 「Tree」 一致,但为了将这种 字典树 与 普通二叉树 以示区别,程序员小吴一般读 「Trie」 尾部会重读一声,可以理解为读 「TreeE」 。

Trie 树,也叫字典树、前缀树 (Prefix Tree)、单词查找树 或 键树。顾名思义,就是一个像字典一样的树。此外 Trie 树也称前缀树(因为某节点的后代存在共同的前缀,比如 pan 是 panda 的前缀)。

它是一种 专门处理字符串匹配 的数据结构,用来解决 在一组字符串集合中快速查找某个字符串的问题。

它的 key 都为字符串,能做到高效查询和插入,时间复杂度为 ,k 为字符串长度,缺点是如果大量字符串没有共同前缀时很耗内存。它的 核心思想 就是通过最大限度地减少无谓的字符串比较,使得查询高效率,即 「用空间换时间」 ,再利用共同前缀来提高查询效率。

上次更新: 2022/08/11, 03:44:08
布隆过滤器
哈希表

← 布隆过滤器 哈希表→

最近更新
01
极大似然估计
08-11
02
C++基础
08-11
03
STL
08-11
更多文章>
Theme by Vdoing | Copyright © 2022-2022 peirsist | 早睡,运动,读书
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式