您现在的位置：程式碼之家 >> 編程語言 > >> .NET 網頁程式設計 >> .NET 實例教學

C# 中文分詞原理與實作 (二)：字典樹 (Trie/鍵樹) 結構設計

編輯：.NET 實例教學

分詞目標展示

輸入：準備把以前的一個分詞程序貢獻出來...
輸出：準備|把|以前的|一個|分詞|程序|貢獻|出來|...|希望|給|大家|一個|思路|...

本系列採用最大匹配法 (MM) + 字典樹 (Trie)，不涉及語義/神經網絡，純結構化匹配，速度 ~1萬字/秒，記憶體 ~30MB，適合教學與輕量級場景。

Trie 節點類設計

public class KeyWordTreeNode
{
    private char _treeNode;                    // 當前字符
    private List _childList;  // 子節點集合

    public KeyWordTreeNode() { _childList = new List(); }
    public KeyWordTreeNode(char nodeValue) : this() { _treeNode = nodeValue; }

    public char TreeNode
    {
        get => _treeNode;
        set => _treeNode = value;
    }

    public List ChildList
    {
        get => _childList;
        set => _childList = value;
    }
}

Trie 樹類設計

public class KeyWordTree
{
    private KeyWordTreeNode _root = new KeyWordTreeNode(); // 根節點不存字符

    public KeyWordTreeNode Root
    {
        get => _root;
        set => _root = value;
    }
}

設計要點解析

根節點不存字符，僅作為入口；每條邊隱含一個字符，存儲於子節點 TreeNode 中。
List<KeyWordTreeNode> 存儲子節點，查找時線性遍歷；若追求極致性能可改 Dictionary<char, KeyWordTreeNode> 或陣列 (字符集固定時)。
擴展性預留：後續可在節點加 IsWordEnd、WordFrequency、PartOfSpeech 等屬性支援詞頻、詞性標註。