选择一个有效的数据结构来寻找韵律

也许你可以对押韵过程中匹配的词素进行分组，并不是比较词素的向量，而是比较相关组的向量。然后你可以对字典进行一次排序，得到对数搜索时间。

在研究了押韵音节的实现之后，似乎可以将单词转换为声音，然后将任何元音相互匹配，并且只有在其他声音相同的情况下才匹配。因此，应用上面的建议，你可以引入一个额外的辅助音"anyVowel"，然后在构建词典的过程中，将每个单词转换为其声音，用"anyVowell"替换所有元音，并将该表示推送到词典中。一旦你完成了对字典的分类。当你想搜索一个单词的押韵时，将其转换为相同的表示形式，并在字典上进行二进制搜索，首先按最后一个音作为关键字，然后按前一个音，依此类推。这将给你m*log（n）最坏情况下的复杂度，其中n是字典大小，m是单词长度，但通常它会终止得更快。

你也可以利用这样一个事实，即为了获得最佳押韵，你只考虑具有特定音节数的单词，并为每个音节数保留一个单独的词典。然后你们计算出单词中的音节数，并在合适的字典中搜索。渐进地说，它不会给你任何增益，但它提供的加速可能对你的应用程序有用。

我一直在考虑这个问题，我可能会提出一种算法的方法。

我可能会先拿字典，把它分成多个桶或批次。其中，每个批次表示每个单词的音节数。要存储到不同存储桶中的向量的遍历应该是线性的，因为您正在遍历一个大的字符串向量。从这里开始，由于第一个桶将包含1个音节的所有单词，所以目前没有什么可做的，所以你可以跳到第二个桶，之后的每个桶都需要提取每个单词并将每个单词的音节分开。因此，如果你有25个桶，你知道前几个和后几个桶不会容纳太多单词，他们的时间不应该很长，应该先完成，然而，中间有3-5或3-6个音节长度的桶将是最大的，所以如果它们的大小超过一定量，你可以在一个单独的线程上运行这些桶中的每一个，并让它们并行运行。现在，一旦你完成了；每个bucket应该返回一个std::vector<std::shared_ptr<Word>>，其中您的结构可能如下所示：

 enum SpeechSound {
     SS_AA,
     SS_AE,
     SS_...
     SS_ZH
 };
 enum SpeechSoundType {
     ASPIRATE,
     ...
     VOWEL
 };
 struct SyllableMorpheme  {
     SpeechSound sound;
     SpeechSoundType type;         
 };
 class Word {
 public:
 private:
     std::string m_strWord;
     // These Two Containers Should Match In Size! One String For Each
     // Syllable & One Matching Struct From Above Containing Two Enums.
     std::vector<std::string> m_vSyllables
     std::vector<SyllableMorpheme> m_vMorphemes;
 public:
     explicit Word( const std::string& word );
     std::string getWord() const;
     std::string getSyllable( unsigned index ) const;
     unsigned getSyllableCount() const;
     SyllableMorpheme getMorhpeme( unsigned index ) const;
     bool operator==( const ClassObj& other ) const;
     bool operator!=( const ClassObj& other ) const;
 private:
     Word( const Word& c ); // Not Implemented
     Word& operator=( const Word& other ) const; // Not Implemented
 };

这一次，您将拥有这些类对象的共享指针的新桶或向量。然后，您可以轻松地编写一个函数来遍历每个bucket，甚至多个bucket，因为bucket将具有相同的签名，只有不同数量的音节。回想起每个bucket应该已经按照字母顺序进行了排序，因为我们只根据音节数添加它们，并且从未更改从字典中读取的顺序。

有了这个，你可以在检查匹配音节和词素时很容易地比较两个单词是否相等。这些都包含在CCD_ 13中。所以你也不必担心记忆会被清理掉。

其思想是尽可能多地使用线性搜索、分离和比较；但是，如果你的容器太大，那么创建bucket并在多个线程中并行运行，或者如果它能满足你的需求，可以使用哈希表。

这个类结构的另一种可能性是，如果你想或需要的话，你甚至可以在以后添加更多的内容，比如另一个std:：vector用于它的定义，另一个std::vector<string>用于它的词性{名词、动词等}。你甚至可以添加其他vector<string>用于同音词、同音词，甚至可以添加vector<string>用于与它押韵的所有单词的列表。

现在，对于你寻找最佳匹配押韵的特定任务，你可能会发现有些单词最终可能会有一个单词列表，这些单词都被认为是最佳匹配或最适合的！因此，您不想存储或返回单个字符串，而是希望存储或返回一个字符串向量！

案例示例：

To Too Two Blue Blew Hue Hew Knew New,  
Bare Bear Care Air Ayre Heir Fair Fare There Their They're
Plain, Plane, Rain, Reign, Main, Mane, Maine

是的，这些都是单音节押韵词，但正如你所看到的，在很多情况下，有多个有效答案，而不仅仅是一个最佳匹配。这确实需要考虑。