的最佳算法目前市面上的“亲属关系”算法主要采用头衔-直系关系-头衔的方式求数据结构'爸爸':{'爸爸':'爷爷','妈妈':'外婆','弟弟':'叔叔','弟弟':'叔叔','妹妹':'阿姨','妹妹':'阿姨','老公':'不详','wife':'mother','son':{'older':'brother','middle':'me','younger':'brother'},'daughter':{'older':'sister','middle':'I','younger':'sister'}}这种结构主要存在以下问题：1.无法直接查询“阿姨的婆婆”等复合关系；2、标题不能反写，如：“表兄弟的妈妈的妈妈是‘阿姨’、‘阿姨’还是‘阿姨’？”3、数据结构不好，数据臃肿。后续会有多个“未知”4.不能兼容多个称呼，比如：“爸爸”也可以叫“爸爸”“爸爸”5.不能进行关系拓扑，比如：What“阿姨”和我是什么关系？而我的这套算法只使用：关系链-称谓集合法查找演示地址：相对称谓计算器项目地址：https://github.com/mumuy/relationship/datastructure'h':['husband','husband','先生','官','男人','男人','老公','老公','嫂子','老公','情人','老婆'],'h,f':['长辈','翁钦','老爹'],每个标题都能找到对应的关系链，每个关系链同时有对应的一组标题，这里需要介绍一下你自己“发明”的特殊语法标记语法说明[Relationship]f:father,m:mother,h:husband,w:wife,s:son,d:female,xb:brother,ob:brother,lb:弟弟,xs:姐姐,os:姐姐,ls:姐姐【修饰符】1:男,0:女,&o:年长,&l:年幼,#:分,[a|b]:并列如：“f”对应爸爸，则：“f,m”对应外婆，“f,f”对应外公；这样，在查询关系时，只需要计算关系链，而不需要对标题进行字典查找算法思路1，当用户输入“阿姨婆婆”时，可以分解为两个对象“阿姨”和“婆婆”（前婆婆）2、从“关系链-标题集合”的映射关系来看，这两个对象的关系链为：“m,xb,w”和“h,m”，合并后的关系为：“m,xb,w,h,m”3、此时关系链会冗余，如：“w,h”表示“妻子的丈夫”，也就是我自己！关系链可以直接简化为：“m,xb,m”。同理，又出现了一层冗余，“xb,m”的意思是“兄弟的妈妈”，也就是自己的妈妈！所以关系链可以进一步简化为：“m,m”4、此时将复杂的关系链转化为直接关系，直接查询“关系链-标题集合”的映射关系很容易1."关系链-标题"集合"映射关系可以用JSON对象的键值对来表示，即属性是一个对应关系链，值是标题的集合。键值pair的优点是查询速度快2.关系链的简化计算可以通过正则匹配来实现，规则只需要考虑两层关系的简化，多次处理直到不能再被简化。比如：父亲的妻子是母亲，兄弟的父亲是父亲，妻子的丈夫是自己等等。当然，在简化过程中需要考虑性别，有多种可能。例如：儿子的母亲，当你是男人时，代表你；妻子，当你是女人时，代表你自己；一个母亲的儿子，可能是你，也可能是你的兄弟，但当你是女人的时候，就只能是你的兄弟。这些都是去匹配正则表达式中的条件，然后替换处理！这就是为什么在您自己的语法标签中引入[修饰符]的原因。'#'：分隔，分隔整个关系链'[a|b]'：并列，分隔关系链中的单个节点
