×
Kunihiko Sadakane

为灵活的文本检索系统提供简洁的数据结构。 （英语） Zbl 1137.68360号

J.离散算法 5，第1期，12-22（2007）.
摘要：我们为支持文档列表查询和基于文档tf*idf（term frequency times inverse document frequence）分数排序查询的文本检索系统提出了简洁的数据结构。针对这些问题的传统数据结构仅支持对某些预定关键字的查询。最近，Muthukrishnan提出了一种数据结构，用于以数据结构大小为代价列出任意模式的文档查询。对于计算tf*idf分数，还没有针对任意模式的有效数据结构。我们的新数据结构使用较小的空间支持这些查询。对于任何0（<varepsilon\leqsleat\）1，空格仅为压缩文档大小的\（2/\varepsilen\）倍加上长度为\（n\）的文档集合的\（10n\）位。这比前面的（O（n\log n）位数据结构小得多。查询时间为\（O（m+q\log^\varepsilon）\），用于列出和计算包含给定长度模式\（m\）的所有\（q\）文档的tf*idf分数。我们的数据结构非常灵活，支持对任意模式的查询。

引用于2评论
引用于50文件

MSC公司：

68第05页 数据结构
68第20页 信息存储和数据检索
68吨10 模式识别、语音识别

关键词：

信息检索；tf\（^*\）idf；简洁的数据结构；后缀树；倒排文件
PDF格式BibTeX公司 XML格式引用
\textit{K.Sadakane}，J.离散算法5，No.1，12-22（2007；Zbl 1137.68360）
全文： 内政部

参考文献：

[1] S.Muthukrishnan，文档检索问题的高效算法，收录于：Proc。ACM-SIAM SODA，2002年，第657-666页；S.Muthukrishnan，文档检索问题的高效算法，收录于：Proc。ACM-SIAM SODA，2002年，第657-666页·兹比尔1093.68588
[2] Blumer，A。；布鲁默，J。；Haussler，D。；麦康奈尔，R。；Ehrenfeucht，A.，《高效文本检索和分析的完全倒置文件》，《ACM杂志》，34,3578-595（1987）·Zbl 1433.68118号
[3] 格罗西，R。；Vitter，J.S.，压缩后缀数组和后缀树及其在文本索引和字符串匹配中的应用，SIAM计算杂志，35，2，378-407（2005）·Zbl 1092.68115号
[4] R.Grossi，A.Gupta，J.S.Vitter，压缩后缀数组的高阶熵分析，收录于：DIMACS网络与应用数据压缩研讨会，2003年，第841-850页；R.Grossi，A.Gupta，J.S.Vitter，压缩后缀数组的高阶熵分析，收录于：DIMACS网络和应用数据压缩研讨会，2003年，第841-850页·Zbl 1092.68584号
[5] K.Sadakane，简明表述生命周期计划; K.Sadakane，对生命周期计划·Zbl 1093.68578号
[6] Sadakane，K.，压缩后缀数组的新文本索引功能，《算法杂志》，48，2，294-313（2003）·Zbl 1100.68563号
[7] 费拉吉纳，P。；Manzini，G.，压缩文本索引，ACM杂志，52，4，552-581（2005）·Zbl 1323.68261号
[8] Salton，G。；Wong，A。；Yang，C.S.，自动索引的向量空间模型，ACM通信，18，11，613-620（1975）·Zbl 0313.68082号
[9] 美国曼伯。；Myers，G.，《后缀数组：在线字符串搜索的新方法》，SIAM计算机杂志，22，5，935-948（1993）·Zbl 0784.68027号
[10] P.Weiner，线性模式匹配算法，摘自：第14届IEEE交换与自动机理论研讨会论文集，1973年，第1-11页；P.Weiner，线性模式匹配算法，摘自：第14届IEEE交换与自动机理论研讨会论文集，1973年，第1-11页
[11] M.Farach，大字母的最佳后缀树构造，收录于：第38届IEEE Symp。《计算机科学基础》，1997年，第137-143页；M.Farach，大字母的最佳后缀树构造，收录于：第38届IEEE Symp。《计算机科学基础》，1997年，第137-143页
[12] Gusfield，D.，《字符串、树和序列的算法》（1997），剑桥大学出版社·Zbl 0934.68103号
[13] 蒙罗，J.I。；Raman，V.，平衡括号和静态树的简洁表示，SIAM计算杂志，31，3，762-776（2001）·Zbl 1017.68037号
[14] 蒙罗，J.I。；拉曼，V。；Rao，S.S.，高效空间后缀树，《算法杂志》，39，2，205-222（2001）·Zbl 0977.68069号
[15] 费拉吉纳，P。；Manzini，G。；Mäkinen等人。；Navarro，G.，序列的简洁表示（2004年8月），技术报告TR/DCC-2004-5，智利大学计算机科学系
[16] 本德，M。；Farach-Colton，M.，《重新审视生命周期评价问题》（The LCA problem reviewed），（《拉丁语学报》，《拉丁语汇编》，《计算机科学讲义》，第1776卷（2000年），施普林格出版社），88-94·Zbl 0959.68133号
[17] R.Raman、V.Raman和S.S.Rao，《简明可索引词典及其编码应用》（k）；R.Raman、V.Raman和S.S.Rao，《简明可索引词典及其编码应用》·Zbl 1093.68582号
[18] A.Andersson，T.Hagerup，S.Nilsson，R.Raman，线性时间排序？，in:ACM计算理论研讨会，1995年，第427-436页；A.Andersson，T.Hagerup，S.Nilsson，R.Raman，《线性时间中的排序？》？，1995年美国计算机学会计算理论研讨会，第427-436页·Zbl 0968.68509号
[19] Hui，L.，颜色集大小问题及其在字符串匹配中的应用，（第三届组合模式匹配年度研讨会（CPM'92）论文集。程序。第三届组合模式匹配年度研讨会（CPM'92），计算机科学讲稿，第644卷（1992），施普林格出版社，227-240
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。