在Java中存储和搜索具有多个字段的元素的最佳数据结构

绩效始终是一个重要的挑战

为了建立一个语言模型，我正在开发一段代码

我有这么多句子的语料库。我需要将语料库中的单词存储在数据结构中，并在需要计算概率时查找以下统计信息： 例如：

• 我需要知道语料库中特定单词的数量。（一个词在语料库中存在多少次？）
• 我需要知道这两个词对的计数。假设有两个单词，分别命名为W1和W2。我需要知道在语料库中，

  W1-w2

  的组合出现了多少次，三个词的组合出现了多少次

  W1-w2-W3

目前，我使用以下数据结构来存储单词：

private class WordList {
    public String word = "";
    public int count = 0;
    public WordList(String _word, int _count) {
        word = _word;
        count = _count;
    }
}

对于两个单词的配对，我存储了所有的配对：

private class bi_WordList {

    public String bi_word_1 = "";
    public String bi_word_2 = "";
    public int bi_count = 0;

    public bi_WordList(String _word_1, String _word_2, int _count) {
        bi_word_1 = _word_1;
        bi_word_2 = _word_2;
        bi_count = _count;
    }
}

我运行我的程序，我得到了正确的答案。但是执行时间太长了！

---

我的问题是：基于我已经描述的条件，做这样一项工作的最佳数据结构是什么？我听说了

Hashset

，而

Hashset

中的搜索成本是

O（1）

，而不是

O（n）

；但是，我不知道如何使用它。

我不知道如何使用它。我不知道如何使用它。

这是什么意思？我的意思是我有一个单词，我想要一个单词本身的字段和一个保持单词计数的整型字段。存储w1和w2以及“w1 w2”计数的方法相同。如何将具有多个不同类型字段的元素插入哈希集中？然后搜索查找元素并读取特定元素字段的值？