搜尋結構之K模型與KV模型

在日常的應用中，我們經常需要在海量資料中進行搜尋某一資料。根據目前掌握的方法我們可以選擇樹形結構類似搜尋樹，平衡樹，紅黑樹等搜尋結構。以及雜湊這種對映結構。兩類結構各有優劣在這裡不進行比較，詳情請看以前部落格。

搜尋結構中同時也分為不同的應用場景，比如單體對映，關鍵碼即為需要搜尋到的值，還有雙對映，在關鍵碼位置還儲存乙個資料。第一種叫做k模型。故名思意只有key作為關鍵碼，後一種叫做kv模型，除了乙個key用做對映以外還有乙個value資料，舉例說明，當我們需要檢查乙個單詞是否拼寫正確時，我們需要先將所有單詞儲存起來然後進行搜尋，這種就叫做k模型。當我們需要做乙個翻譯字典時，首先我們需要將英文作為k作為關鍵碼儲存起來，一同儲存的還有他的翻譯value，這樣當我們找到key時，同時也可以找到翻譯。

這裡用搜尋樹與雜湊表實現k與kv模型的字典舉例。

typedef struct bstreenode
bstreenode;

bstreenode* buybstreenode(keytype key, valuetype value)

int bstreeinsertr(bstreenode** tree, keytype key, valuetype value)
else if ((*tree)->_key == key)
else
else
}}

bstreenode* bstreefindr(bstreenode* tree, keytype key)
if (tree->_key == key)
else
else
}}

int bstreeremover(bstreenode** tree, keytype key)
else if ((*tree)->_key > key)
else
else if ((*tree)->_right == null)
else
if (parents == *tree)
else
}}}

故名思意，字串雜湊演算法就是將字串通過某種方式轉換成可以對映的整數值，而且要盡量避免雜湊衝突。所以這個演算法的核心設計點就在於如何讓字串轉換成整數的情況下避免雜湊衝突，本文給出一種解決方式如下：

size_t bkdrhsah(const char* str)
return hash & 0x7fffffff;
}

更多的可以參考筆者推薦部落格「字串雜湊演算法詳解」。

搜尋結構之K模型與KV模型

資訊檢索與排序模型之布林模型

web搜尋學習筆記之概率模型

Python與機器學習之模型結構生成學習演算法

搜尋結構之K模型與KV模型

資訊檢索與排序模型之布林模型

web搜尋學習筆記之概率模型

Python與機器學習之模型結構 生成學習演算法

相關推薦

Python與機器學習之模型結構生成學習演算法