问如何在一个小的空间里安装一个大单词词典，对准确性的影响最小？

EN

不幸的是，我必须同意这里出现的协商一致意见。我已经编写了一些类似的软件(一个拼字游戏机器人)，所以我引用了我的代码并进行了一些计算。我使用SOWPODS字典，它实际上比您所描述的要小得多-- 267,751个单词，未压缩的占2707014字节。

使用trie数据结构对于实现AI来玩像拼字游戏这样的游戏至关重要，这不仅是因为它减少了内存中字典的大小，还因为它的基本结构大大降低了搜索功能的计算复杂度。当你尝试可能的排列，你可以立即停止，一旦你击中一片叶子在trie。我之所以提到这一点，是因为如果您试图为此使用Arduino，您将不可避免地需要确保代码在速度方面非常高效。

但是，为了使用trie来确保合理的性能，这也意味着您需要在节点之间建立连接，在32位架构上进行简单的实现，这些链接将占用每个节点4个字节。您可能会实现更高级的逻辑，以减少节点存储偏移量，每个偏移量为2个字节(2^15用来指向内存中的偏移量，并将额外的位作为该节点是否代表一个单词的指示)。但即使如此，这也意味着您需要trie来拥有15K节点(实际上，因为这是合理的，所以您也需要一些代码。:)

我试着限制单词的最大大小，看看有什么必要使节点数量下降到足够远……坏消息是，你只能存储4个字符的长度！以下是每个最大大小的节点数：

15: 589315
14: 572754
13: 546969
12: 508959
11: 456252
10: 387321
9: 304186
8: 212237
7: 126700
6: 63605
5: 25776
4: 8208

因此，从根本上说，当你减少字典的大小时，使用更复杂的算法就不再有价值了。只是没有足够的内存让它正常工作。

为了响应使用机器学习模型的想法，我的经验是，构建一个能够达到某种合理精度的功能模型通常需要相当大的内存，而获得合理的性能需要中等功能的硬件，即使只有执行预测。(培训非常昂贵，但你可以离线完成。)

甚至从磁盘中读取数据库也是不可能的，这取决于所需的效率。缓存只能将您带到目前为止。

老实说，我认为@TypeKatz的建议是最合理的。Arduino并不是为这类应用程序设计的，所以最好的方法是将计算成本高、内存密集型的处理卸载到外部设备上。您可以在串口上使用附加设备，或者投资于Wifi sheild，并与附近的服务器进行通信。

不管怎样，祝你好运！

在一个30 4MB的空间中安装一个4MB的字典，以最小的准确性损失？

字典文件很可能是每行一个单词的格式，对吗？这是一种非常有效的存储单词列表的方法。

所以我想说，不，4MB的数据永远不会，永远不适合在30 So的空间内。没有压缩，没有有效存储，现在没有，永远没有。

想想看: 4MB实际上是你30 of限制大小的100倍以上。显然，您必须在磁盘上遍历字典，也许还需要缓存结果。