C# TrieTree介绍及实现方法

在自然语言处理（nlp）研究中，ngram是最基本但也是最有用的一种比对方式，这里的n是需要比对的字符串的长度，而今天我介绍的trietree，正是和ngram密切相关的一种数据结构，有人称之为字典树。trietree简单的说是一种多叉树，每个节点保存一个字符，这么做的好处是当我们要做ngram比对时，只需要直接从树的根节点开始沿着某个树叉遍历下去，就能完成比对；如果没找到，停止本次遍历。这话讲得有些抽象，我们来看一个实际的例子。

假设我们现在词库里面有以下一些词：

上海市
上海滩
上海人
上海公司
北京
北斗星
杨柳
杨浦区

如图所示：挂在根节点上的字有上、北、杨，

如果我们现在对“上海市杨浦区”这个词做3gram就有上海市、海市杨、市杨浦、杨浦区，现在我们要知道哪些词是能够被这个字典识别的，通常我们可以用ngram来做分词。有了这颗树，我们只需要依次取每个字符，从根开始进行比对，比如上海市，我们能够匹配 上->海->市，这个路径，所以匹配；比如海市杨，由于没有“海”字挂在根节点上，所以停止；市杨浦也无法匹配；最终匹配杨浦区，得到 杨->浦->区 这个路径，匹配。

最终我们可以把“上海市杨浦区”切分为 上海市|杨浦区。

尽管trietree要比普通字符串数组节省很多时间，但这并不是没有代价的，因为你要先根据字典构建这棵树，这个代价并不低，当然对于某个应用来说一旦trietree构建完成就可以重复使用，所以针对大规模比对来说，性能提升还是很客观的。

下面是trietree的c#实现。

   public class trietree   
   {       
   trienode _root = null; 
   private trietree()    
   {          
   _root = new trienode(char.maxvalue,0); 
   charcount = 0;  
   }      
   static trietree _instance = null;
   public static trietree getinstance()  
   {           
   if (_instance == null)       
   {            
   _instance = new trietree();      
   }          
   return _instance;  
   }       
   public trienode root  
   {          
   get { return _root;
   }  
   }       
   public void addword(char ch)
   {          
trienode newnode=_root.addchild(ch);  
newnode.increasefrequency();          
newnode.wordended = true;     
}        int charcount;   
public void addword(string word)  
{         
if (word.length == 1)    
{              
addword(word[0]);    
charcount++;      
}        
else   
{                
char[] chars=word.tochararray();    
trienode node = _root;          
charcount += chars.length;     
for (int i = 0; i < chars.length; i++) 
{                   
trienode newnode=node.addchild(chars[i]);   
newnode.increasefrequency();          
node = newnode;          
}          
node.wordended = true; 
}      
}      
public int getfrequency(char ch)  
{          
trienode matchednode = _root.children.firstordefault(n => n.character == ch); 
if (matchednode == null)     
{              
return 0;       
}          
return matchednode.frequency; 
}      
public int getfrequency(string word)
{       
if (word.length == 1)
{             
return getfrequency(word[0]);
}           
else     
{           
char[] chars = word.tochararray();
trienode node = _root;       
for (int i = 0; i < chars.length; i++)  
{                
if (node.children == null)  
return 0;             
trienode matchednode = node.children.firstordefault(n => n.character == chars[i]);
if (matchednode == null)         
{                     
return 0;        
}                 
node = matchednode;   
}             
if (node.wordended == true)       
return node.frequency;      
else                  
return -1;          
}     
}  
}

这里我们使用了单例模式，因为trietree类似缓存，不需要重复创建。下面是treenode的实现：

   public class trienode   
   {      
   public trienode(char ch,int depth)
   {          
   this.character=ch;
   this._depth=depth;
   }      
   public char character;
   int _depth;       
   public int depth  
   {           
   get{return _depth;
   }     
   }    
   trienode _parent=null;
   public trienode parent    
   {         
   get {
   return _parent;
   }         
   set { _parent = value;
   }
   }      
   public bool wordended = false; 
   hashset<trienode> _children=null; 
   public hashset<trienode> children
   {          
   get {
   return _children;
   }      
   }       
   public trienode getchildnode(char ch)
   {           
   if (_children != null)   
   return _children.firstordefault(n => n.character == ch); 
   else              
   return null;     
   }      
   public trienode addchild(char ch)
   {          
   trienode matchednode=null;     
   if (_children != null)     
   {              
   matchednode = _children.firstordefault(n => n.character == ch); 
   }          
   if (matchednode != null)  
   //found the char in the list  
   {               
   //matchednode.increasefrequency();     
   return matchednode;        
   }          
   else         
   { 
   //not found      
   trienode node = new trienode(ch, this.depth + 1);    
   node.parent = this;     
   //node.increasefrequency();           
   if (_children == null)              
   _children = new hashset<trienode>();  
   _children.add(node);             
   return node;         
   }      
   }      
   int _frequency = 0;      
   public int frequency   
   {        
   get { return _frequency;
   }       
   }      
   public void increasefrequency()     
   {         
   _frequency++;  
   }     
   public string getword()
   {            
   trienode tmp=this;    
   string result = string.empty; 
   while(tmp.parent!=null) //until root node 
   {               
   result = tmp.character + result;  
   tmp = tmp.parent;    
   }           
   return result;    
   }       
   public override string tostring()
   {         
   return convert.tostring(this.character);
   }   
   }