一个关键词分组的问题

Question

现有一组关键词表，如下：

会计一个月工资多少钱
挖掘机一个月工资多少钱
化妆师一个月工资多少钱
美容师工资多少钱
育婴师工资多少钱
化妆师工资多少钱
咖啡师工资多少钱
理财工资分配
会计工资分配
银行工资分配
如何进行工资分配
......

同类关键词的最长后缀是一样的，想根据关键词后缀来进行分组，最终效果如下：

会计一个月工资多少钱 >> 一个月工资多少钱
挖掘机一个月工资多少钱 >> 一个月工资多少钱
化妆师一个月工资多少钱 >> 一个月工资多少钱
美容师工资多少钱 >> 工资多少钱
育婴师工资多少钱 >> 工资多少钱
化妆师工资多少钱 >> 工资多少钱
咖啡师工资多少钱 >> 工资多少钱
理财工资分配 >> 工资分配
会计工资分配 >> 工资分配
银行工资分配 >> 工资分配
如何进行工资分配 >> 工资分配
......

关键词总共有4w个，咋实现...

Answer 1

1. 分词
   使用中文分词后再提取
   https://github.com/fxsjy/jieba

Answer 2

不知道题主现在想出什么好方法来了没有。在这里我给一个我的想法。

4万个记录其实并不算多，我认为可以参考Trie树的思路，只不过不是找前缀而是后缀，所以要从关键词的最后一个位置向前搜索。

因为英语的基本构成只有26个字母，所以如果关键词是英语的话使用Trie树的变种来解决这个问题应该很容易。但是汉语的常用汉字至少有几千个，就不得不考虑一个空间效率的问题。

解决空间效率的问题还是要使用到中文分词，将对比对象由汉字转变为词。这只是一个想法，是否具有可行性不清楚