Jieba分词包（二）——trie树和DAG

bigface1234fdfg

于 2014-11-26 16:51:43 发布

阅读量8.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： NLP 文章标签： Jieba 分词 trie树 DAG 有向无环图

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/puqutogether/article/details/41518335

本文深入探讨jieba分词库中使用的trie树和DAG图技术，详细介绍这两种数据结构在中文分词过程中的作用和实现原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Jieba分词包（二）——trie树和DAG

在Jieba分词包的源码中，有一个重要的分词函数——__cut_DAG(sentence)，它里面涉及到了trie树和DAG有向无环图。在作者的说明文档中也指出了：基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)。所以说这篇博客我们就来说说Jieba里面的trie树和DAG图。

1. trie树

Jieba里面的trie树是基于一个字典构建的，这个字典在dict.txt中，里面有2W多条词，包含了词条出现的次数（这个次数是于作者自己基于人民日报语料等资源训练得出来的）和词性。这个第一条的trie树结构的词图扫描，说的就是把这2万多条词语，放到一个trie树中，而trie树是有名的前缀树，也就是说一个词语的前面几个字一样，就表示他们具有相同的前缀，就可以使用trie树来存储，具有查找速度快的优势。

从上面的trie树你就可以猜到，trie树这家伙是一个用来存储有相同前缀的字符串（汉字也行，反正都是字符），而且查找的速度很快。为什么要这么快的查收速度呢？哦，原来是后面画D

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。