Document Listing on Repetitive Collections
Document Listing on Repetitive Collections
复制标题
重复集合的文档列表
DOI：
--
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Jouni Sirén
中科院分区：
文献类型：
--
作者：
T. Gagie;Kalle Karhu;G. Navarro;S. Puglisi;Jouni Sirén
许多文档收集主要由重复的材料组成，并且已经设计了几个索引来利用这一点。但是，对于重复收藏的文件检索，只有初步的工作。在本文中，我们展示了如何扩展其中一个索引，即运行长度的压缩后缀阵列（RLCSA）以支持文档清单。在我们的实验中，我们在RLCSA之上的其他结构可以减少文档列表的查询时间，同时仍使用总空间，而总空间仅是原始收集大小的一小部分。作为副产品，我们开发了一种新的文档列表技术，该技术具有独立关注的一般收藏。
Many document collections consist largely of repeated material, and several indexes have been designed to take advantage of this. There has been only preliminary work, however, on document retrieval for repetitive collections. In this paper we show how one of those indexes, the run-length compressed suffix array (RLCSA), can be extended to support document listing. In our experiments, our additional structures on top of the RLCSA can reduce the query time for document listing by an order of magnitude while still using total space that is only a fraction of the raw collection size. As a byproduct, we develop a new document listing technique for general collections that is of independent interest.