秉着能偷懶就偷懶的精神，關於AC自動機本來不想看的，但是HanLp的源碼中用戶自定義詞典的識別是用的AC自動機實現的。唉～沒辦法，還是看看吧
AC自動機理論
Aho Corasick自動機，簡稱AC自動機，要學會AC自動機，我們必須知道什么是Trie，也就是字典樹。Trie樹，又稱單詞查找樹或鍵樹，是一種樹形結構，是一種哈希樹的變種。典型應用是用於統計和排序大量的字符串（但不僅限於字符串），所以經常被搜索引擎系統用於文本詞頻統計。它的優點是：最大限度地減少無謂的字符串比較，查詢效率比哈希表高。之前已經寫過關於Tire與雙數組Tire（Double Array Tire，以下簡稱DAT）的文章。
AC自動機的優點
AC的優點其實包括了所有Tire樹的優點，而且更加強大，考慮下面的問題
對一個長字符串S，給定一個模式串T，查看模式串T是否在S中出現過？
這個問題簡單的算法就是便利S與T中的字符逐個比較，不一致則移到S的下一個字符。這種算法最壞情況下的時間復雜度是O(len(S) * len(T))
而廣為人知的KMP算法就是省去了逐個比較的過程，而是直接按照next數組中的內容來進行查找，復雜度為O(len(S) + len(T))
而AC自動機較之於DAT的優點就是增加一個fail表，而省去在DAT多模式匹配時無所謂的回溯，（不過后來HanLp的作者做了實驗，效率不如DAT呢。）
AC自動機的構造
知道了AC的強大，下面來看AC的構造，構造之前，先看一張AC的圖，對字典{FG,HE,HERS,HIS,SHE}構造的Tire樹就如下圖所示：
乍一看這個圖很復雜，其實，只是在TIRE的基礎上，對每個節點，加上了一個fail指針，如圖中的虛線所示
AC自動機的構造
AC建立是構建在TIRE基礎上的，DAT的兩要素為BASE與CHECK表，而AC的三要素為goto表，fail表與output表
goto： 即分支與兒子節點
fail ：某狀態匹配失敗，回到fail所指狀態繼續匹配
output表： 狀態對應的輸出
把大象裝冰箱分3步，所以AC構造過程也分3步：
1. 對字典建立TIRE樹結構，建立過程中 goto表也隨之建好（即指向子節點的指針），output表初步建成，之后還要根據fail指針去擴充output,下圖"[]"中的內容即為初步的output表，對應於字典中的下標
2. 步驟1生成的TIRE樹，雖然有樹形結構，但狀態值都為0，下面用TIRE構造DAT，並且對狀態State賦值。
注意，構造過程中，對是一個詞的節點，即圖中的綠色節點，在構造DAT時，會長生一個子節點，即標識一個詞的結尾，類似與上一篇中提到的葉節點結構，到增加的子節點的轉移字符取0即可，新增節點的state值即為父節點的base值
3. 遍歷帶有狀態的TIRE，構造fail表與output表。
構造失敗指針的原理： 對某個節點，其產生於字母C，沿着此節點的父節點的失敗指針走，知道某個節點，他的分支狀態中也有字母C，然后把當前節點的失敗指針指向那個分支C指向的兒子節點，如果一直啊到root都沒有這樣的節點，則失敗指針指向root即可。原理同KMP算法，不明白可以谷歌之。構造完后的圖即如第一張圖所示。
下圖即構造完成后，各個表中的內容：
至此 AC自動機便構造完成了，接下來就看看怎么用它去分詞了。
參考資料