如何多次快速搜索大向量？

Question

我有一个std::vector<std::string>，它有 43,000 个字典单词。我有大约 315,000 个可能的单词，对于每个单词，我都需要确定它是否是一个有效的单词。这需要几秒钟，我需要尽快完成任务。

关于完成此任务的最佳方法有什么想法吗？目前我在每次尝试中都进行迭代：

for (std::string word : words) {
    if (!(std::find(dictionary.begin(), dictionary.end(), word) != dictionary.end())) {
        // The word is not the dictionary
        return false;
    }
}
return true;

有没有更好的方法进行多次迭代？我有几个假设，比如

• 创建一个无效词的缓存，因为 315,000 个列表可能有 25% 的重复项
• 只比较相同长度的单词

有没有更好的方法来做到这一点？我对算法或想法感兴趣。

Answer 1

有没有更好的方法进行多次迭代？

是的。将向量转换为另一个支持更快查找的数据结构。标准库带有std::set 和std::unordered_set，它们都可能比重复线性搜索更快。其他数据结构可能更有效。

如果您的目标是在可能的集合中创建一系列单词或非单词，那么另一种有效的方法是对两个向量进行排序，并使用 std::(ranges::)set_intersection 或 std::(ranges::)set_difference。