有一个专业术语库记为集合T={t1,t2,……,tn}，利用串的相关算法，编写一段算法，统计术语在文档D中分别出现的频次，请设计相关的策略和算法。

为了统计术语集合T={t1, t2, ..., tn}在文档D中的出现频率，我们可以采用以下步骤设计算法：

1. **初始化**：创建一个长度为n的哈希表（Python中可以使用dict，Java中可以使用HashMap），键是术语ti，值初始设为0，用于存储每个术语在文档中的出现次数。

# Python示例
term_counts = {t: 0 for t in T}

// Java示例
Map<String, Integer> termCounts = new HashMap<>(T.size());
for (String t : T) {
    termCounts.put(t, 0);
}

2. **遍历文档**：对于文档D的每一个字符或词语（根据实际文本处理的需求，可能是单词、句子或字符级别的分割），检查它是否属于术语集T中的任一元素。如果是，递增对应的计数器。

# Python示例
document_words = D.split()  # 假设D已经分词
for word in document_words:
    if word in term_counts:
        term_counts[word] += 1

// Java示例
for (String word : documentWords) {
    if (termCounts.containsKey(word)) {
        termCounts.put(word, termCounts.get(word) + 1);
    }
}

3. **更新频次**：遍历完成后，哈希表`term_counts`中的值即为对应术语在文档D中的出现次数。

4. **返回结果**：最后，返回`term_counts`字典（或映射）作为统计结果。

5. **优化**：如果需要计算整个文档中某个特定术语的出现位置列表，可以在统计频次的同时，记录下每个术语首次和最后一次出现的位置。

**相关问题--:**
1. 这种算法的时间复杂度是多少？
2. 如果文档非常大，如何减少内存消耗？
3. 是否有更高效的算法处理包含大量术语的情况？