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。 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： 您可能感兴趣的文章:Java中实现双数组Trie树实例Python Trie树实现字典排序Trie树_字典树(字符串排序)简介及实现TrieTree服务-组件构成及其作用介绍详解字典树Trie结构及其Python代码实现Trie树(字典树)的介绍及Java实现