refactor: Replace 结点 with 节点 (#452)

* Replace 结点 with 节点
Update the footnotes in the figures

* Update mindmap

* Reduce the size of the mindmap.png

docs/chapter_hashing/hash_collision.md

@@ -24,13 +24,13 @@
 
 链式地址下，哈希表的操作方法包括：
 
-- **查询元素**：输入 key ，经过哈希函数得到数组索引，即可访问链表头结点，然后遍历链表并对比 key 以查找目标键值对。
-- **添加元素**：先通过哈希函数访问链表头结点，然后将结点（即键值对）添加到链表中。
-- **删除元素**：根据哈希函数的结果访问链表头部，接着遍历链表以查找目标结点，并将其删除。
+- **查询元素**：输入 key ，经过哈希函数得到数组索引，即可访问链表头节点，然后遍历链表并对比 key 以查找目标键值对。
+- **添加元素**：先通过哈希函数访问链表头节点，然后将节点（即键值对）添加到链表中。
+- **删除元素**：根据哈希函数的结果访问链表头部，接着遍历链表以查找目标节点，并将其删除。
 
 尽管链式地址法解决了哈希冲突问题，但仍存在一些局限性，包括：
 
-- **占用空间增大**，由于链表或二叉树包含结点指针，相比数组更加耗费内存空间；
+- **占用空间增大**，由于链表或二叉树包含节点指针，相比数组更加耗费内存空间；
 - **查询效率降低**，因为需要线性遍历链表来查找对应元素；
 
 为了提高操作效率，**可以将链表转换为「AVL 树」或「红黑树」**，将查询操作的时间复杂度优化至 $O(\log n)$ 。

docs/chapter_hashing/hash_map.md

@@ -12,8 +12,8 @@
 
 1. **无序数组**：每个元素为  `[学号, 姓名]` ；
 2. **有序数组**：将 `1.` 中的数组按照学号从小到大排序；
-3. **链表**：每个结点的值为 `[学号, 姓名]` ；
-4. **二叉搜索树**：每个结点的值为 `[学号, 姓名]` ，根据学号大小来构建树；
+3. **链表**：每个节点的值为 `[学号, 姓名]` ；
+4. **二叉搜索树**：每个节点的值为 `[学号, 姓名]` ，根据学号大小来构建树；
 
 各项操作的时间复杂度如下表所示（详解可见[二叉搜索树章节](https://www.hello-algo.com/chapter_tree/binary_search_tree/)）。无论是查找元素还是增删元素，哈希表的时间复杂度都是 $O(1)$，全面胜出！