是的, 我们可以使用三角节点。 三角节点最常见的名称是 (1) 三角节点的名称 或 (2) 三角节点的孩子最常使用的名称 。 这里使用一些 Python 代码 。

from collections import defaultdict


class trie:
    __slots__ = ( children ,  freq ,  name ,  top5 )

    def __init__(self):
        self.children = defaultdict(trie)
        self.freq = 0
        self.name = None
        self.top5 = []

    def __getitem__(self, suffix):
        node = self
        for letter in suffix:
            node = node.children[letter]
        return node

    def computetop5(self):
        candidates = []
        for letter, child in self.children.items():
            child.computetop5()
            candidates.extend(child.top5)
        if self.name is not None:
            candidates.append((self.freq, self.name))
        candidates.sort(reverse=True)
        self.top5 = candidates[:5]

    def insert(self, freq, name):
        node = self[name]
        node.freq += freq
        node.name = name


root = trie()
with open( letter_s.txt ) as f:
    for line in f:
        freq, name = line.split(None, 1)
        root.insert(int(freq.strip()), name.strip())
root.computetop5()
print(root[ St ].top5)

在不知道调音的情况下,我首先假设我有一个名称及其频率的清单,然后用该前缀构建一套名称的字典绘图前缀,然后将每组名称转成仅是前5个w.r.t.频率的列表。

使用来自的男孩名字列表,这些男孩的名字来自http://www.ons.gov.uk/ons/publications/re-re-reference-tables.html?edimation=tcm:77-243746" rel=“nofollow”>这里的“nofol”按摩,以创建一个https://docs.google.com/open?id=0Bw2-lCRSFikqdnlhYng4OXR6Zzg" rel=“nofollow” > text file ,其中每条线都是事件的整数频率,有些空格,然后有一个像这样的名字:

8427    OLIVER 
7031    JACK 
6862    HARRY 
5478    ALFIE 
5410    CHARLIE 
5307    THOMAS 
5256    WILLIAM 
5217    JOSHUA 
4542    GEORGE 
4351    JAMES 
4330    DANIEL 
4308    JACOB 
...

以下代码构建了字典:

from collections import defaultdict

MAX_SUGGEST = 5

def gen_autosuggest(name_freq_file_name):
    with open(name_freq_file_name) as f:
        name2freq = {}
        for nf in f:
            freq, name = nf.split()
            if name not in name2freq:
                name2freq[name] = int(freq)
    pre2suggest = defaultdict(list)
    for name, freq in sorted(name2freq.items(), key=lambda x: -x[1]):
        # in decreasing order of popularity
        for i, _ in enumerate(name, 1):
            prefix = name[:i]
            pre2suggest[prefix].append((name, name2freq[name]))
    # set max suggestions
    return {pre:namefs[:MAX_SUGGEST]
            for pre, namefs in pre2suggest.items()}

if __name__ ==  __main__ :
    pre2suggest = gen_autosuggest( 2010boysnames_popularity_engwales2.txt )

如果您给出了前缀, 则会回复您的建议( 连同此情况下的频率, 但如有需要, 可以丢弃 :

>>> len(pre2suggest)
15303
>>> pre2suggest[ OL ]
[( OLIVER , 8427), ( OLLIE , 1130), ( OLLY , 556), ( OLIVIER , 175), ( OLIWIER , 103)]
>>> pre2suggest[ OLI ]
[( OLIVER , 8427), ( OLIVIER , 175), ( OLIWIER , 103), ( OLI , 23), ( OLIVER-JAMES , 16)]
>>> 

查看没有尝试 :-)

< 强力 > 时间杀手 < /强 >

如果运行需要很长的时间, 那么您可能会预先计算dict, 并将其保存到文件, 然后在需要使用泡菜模块时装入预计算值 :

>>> import pickle
>>> 
>>> savename =  pre2suggest.pcl 
>>> with open(savename,  wb ) as f:
    pickle.dump(pre2suggest, f)


>>> # restore it
>>> with open(savename,  rb ) as f:
    p2s = pickle.load(f)


>>> p2s == pre2suggest
True
>>> 

你基本上可以增加一个三角执行, 以存储它的受欢迎儿童, 而不是按字母顺序排列, 上面说,你还要在三角的每个节点 存储受欢迎儿童。

如何做到这一点的想法如下:

构造字符串三角并存储树上每个节点的整数。 此节点表示使用该节点的名称数量。 所以当该名称插入三角点时, 您会加增该名称的所有节点 。

然后您就可以通过贪婪地选择具有最高值的名称来决定顶级名称。

在形式上,它与任何弦三角构造算法一样,但加一步加一整数。

如果您想要快速查看, 唯一的真正解决办法是预算任何给定前缀的答案。 如果数据没有改变, 则此选项很好, 但是您需要一种方法来保持您的负载时间小化 。

我建议使用 DBM 存储预编字典。 这基本上是一个字典, 内容存储在磁盘上, 并查找您参考的条目 。 见 < a href=" http://docs. python.org/library/ anidbm.html" rel=“ nofollow” > http://docs. python.org/library/ anidbm.html 。 唯一的下边是值必须是字符串, 所以您需要存储前5个条目的逗号分隔列表, 例如, 并在查找时将其分割 。

这将比泡菜有更快的开始时间, 因为 DB 不需要加载。 它也比使用 Sqlite 简单得多 。