版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、如今科技發(fā)展迅速,互聯(lián)網(wǎng)數(shù)據(jù)正在以驚人的速度增長。越來越多的人意識到處理如此大規(guī)模數(shù)據(jù)的重要性。搜索引擎作為當今重要的信息獲取工具,在面對數(shù)據(jù)量劇增的網(wǎng)頁信息時,需要對用戶提出的查詢給予高效并且準確的響應。搜索引擎中最重要的技術(shù)之一就是索引,而倒排索引是其中一種十分經(jīng)典并且有效的索引結(jié)構(gòu)。
索引壓縮可以有效地將數(shù)據(jù)量減少,這樣一方面可以減少索引占用的磁盤空間資源,另一方面可以減少磁盤讀/寫數(shù)據(jù)量,從而減少用戶查詢的響應時間。因
2、此倒排索引壓縮的意義重大。本文的主要研究對象就是倒排索引。
本文仔細分析了現(xiàn)有的位壓縮、編碼、Golomb編碼、插值編碼等常用的倒排索引的壓縮算法。探究各個壓縮算法及其適用的場景,分析每個算法的優(yōu)點與不足。在此基礎上提出了一種改進插值編碼的方法來提高數(shù)據(jù)空間中倒排索引的壓縮效率和搜索查詢效率。首先通過本文提出的新的相似度算法對文檔集合進行預處理,新的相似度算法主要考慮了倒排列表中文檔地址的相鄰性,相比較傳統(tǒng)的余弦相似度函數(shù)針對
3、性更強,促使文檔集合的排列更加符合本文提出的混合壓縮算法;其次,針對插值編碼的過程,本文對其進行了優(yōu)化,首尾指針不進行壓縮,從而提高了插值編碼的壓縮性能;通過分析插值編碼和位編碼各自的優(yōu)缺點,插值編碼更加適合倒排列表中地址相鄰的情況但對輔助棧要求較高,而位編碼更加適合高頻詞匯的倒排列表的壓縮,為此本文提出了混合壓縮算法,其包含了位壓縮和插值編碼的優(yōu)點,并且利用位壓縮的融合,克服了插值編碼對輔助棧要求很高這一缺點。本文選取了結(jié)構(gòu)化和非結(jié)構(gòu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于分區(qū)的倒排索引壓縮算法研究.pdf
- 基于倒排索引的壓縮算法性能研究.pdf
- 倒排索引壓縮算法研究.pdf
- 基于文法壓縮的倒排索引求交算法設計.pdf
- 基于上下文無關文法的倒排索引壓縮策略研究.pdf
- 圖像處理中的壓縮編碼和插值問題的研究.pdf
- 面向數(shù)據(jù)空間的異構(gòu)數(shù)據(jù)索引方法研究.pdf
- 基于倒排索引的微博話題檢測.pdf
- 基于TermID序列排序的標識符重分配的倒排索引壓縮研究.pdf
- 視頻壓縮編碼中圖像插值算法研究.pdf
- 基于層次B樣條的散亂數(shù)據(jù)插值方法.pdf
- 基于壓縮視頻的圖像插值技術(shù)研究.pdf
- 機載LiDAR數(shù)據(jù)插值方法研究.pdf
- 基于克里格插值的空間數(shù)據(jù)規(guī)格化.pdf
- 成分數(shù)據(jù)中基于LASSO的缺失值插補方法研究.pdf
- 基于Bitmap的倒排索引結(jié)構(gòu)的查詢處理研究.pdf
- 面向數(shù)據(jù)空間的倒排列表并行化查詢方法研究.pdf
- 基于Huffman編碼的SoC測試數(shù)據(jù)壓縮方法研究.pdf
- 基于倒排索引的全文檢索技術(shù)研究.pdf
- 基于線性加權(quán)回歸模型的降水量空間插值方法研究.pdf
評論
0/150
提交評論