正向最大匹配改进算法

我写的一个跟现在这个差不多 我发现我们都被满屏的if else困扰啊

ps:银河英雄传好看么...我就只知道杨威利这个角色

等我抽出时间重构一下。
PS:银英很好看，老动画

现在我很郁闷啊 用之前的做法 2000个关键字消耗内存在15-18M左右 这个大小很恐怖啊

我估计是每个节点一个hashmap太占内存了 然后自己改了下map把原来DEFAULT_INITIAL_CAPACITY = 16改成了
DEFAULT_INITIAL_CAPACITY = 5结果在测试2000个关键字还是用了15M内存左右
后来我又试试不在每个节点里面放一个hashmap而是用个全局的...结果还是用了15M左右

难道一定要用双数组trie才能把内存降下来么...

ps:请原谅我没学过数据结构...看双数组trie看了半天还是弄清楚怎么去创建数组
ps:附上我没看懂的双数组trie文档

中文分词，效果最好的是隐马尔科夫模型。

楼上这个回答文不对题！隐码模型跟楼主说的字串匹配没直接关系。

在中文分词中，隐码模型适合做语法分析，但不见的是效果最好的分词方式。用过中科院的分词器你就知道了。


另外，楼主的想法很好。
给楼主一个提示，
1.在路径上标注匹配的最长词语（这个楼主已经实现）
2.在词典的分支上注明是否还有后续的叶节点（这样可以最快的终止匹配失败）
有了上面的数据结构，不需要使用固定深度递归来试探，能有效的提高效率，而且不会漏掉比递归深度还长的词汇

提示你，
1.不要简单的使用String来记录词典的词，那样太占内存
2.有效的设置hashmap的参数loadFactor，建议是0.8（DEFAULT_INITIAL_CAPACITY 只是默认的容量，当不够是，HashMap照样翻倍增加，你的设计基本是没有用的，关键是loadFactor这个参数）；
3.尝试动态的结合map和数组。

感谢你的建议..
我字典的词是转成char[]后保存的每个char的
我改DEFAULT_INITIAL_CAPACITY的原因是 我认为大部分节点下的分支不会超过10个 所以我认为Map内的Entry数组不需要默认的16这么大


这个能否举个例 我现在对用数组实现多分支trie树很困扰

对于Map的空间使用时需要一定的容易的，在默认情况下，HashMap的冗余参数是0.75，也就是说，当你的Map的空间为10时，实际上只能放入7个元素，当第八个元素放入时，Map的空间就要翻倍为20了。因此，设置合理的冗余参数，能有效的抑制多余的空间损耗。当然，负面影响是，Map的命中效率会有所下降



判断一个树节点的子节点，但子节点小于一定数量时，可以简单的使用数组存储，查找时直接遍历数组；但子节点大于一定数量时，改为HashMap存储，提高搜索效率

双数组trie树在存储空间上确实做到了最小，不过在其树结构有变化时，比如增加与删除节点，其解决冲突的时间复杂度很高在比较大的字典中，并不适合

查询时间复杂度o(1),不过这个分词来说实在太过简单了，做文字过滤倒还有那么一丁点参考价值，具体正在完善中（请别期待，我很懒。。。）

PS:linliangyi2007兄这么晚还在线