Towards Better Compressed Representations
我们介绍了计算解析的问题,其中每个短语的长度最多为$m$,并且最小化解析的零阶熵。基于最近的理论结果,我们设计了一个启发式的这个问题。该解决方案在简洁的文本表示中具有直接的应用,并给出了实际的改进。此外,所提出的启发式产生的结构,其大小可以由$|S|H_{m-1}(S)$和由$|S|/m(H_0(S) + \cdots + H_{m-1})$,其中$H_{k}(S)$是$S$的$k$阶经验熵界定。我们还考虑了一个类似的问题,其中一阶熵最小化。
2019-11-15 cs.DS
Grammar Compressed Sequences with Rank/Select Support
序列表示不仅支持对其符号的直接存取,而且支持秩/选择操作,是许多压缩数据结构中的基本构建块。最近的几个应用程序需要表示高度重复的序列,经典的统计压缩证明是无效的。相反,我们介绍了基于语法的表示重复序列,使用统计压缩表示所需的空间的6%,并支持直接存取和排名/选择操作在几十微秒内。我们展示了我们的结构在文本索引应用程序的影响。
2019-11-21 cs.DS
Compressed Game Solving
本文提出将棋盘博弈走法生成转化为压缩字符串集合操作,并以 Breakthrough 为例实现亚线性时空的强求解。
2025-04-13 cs.DS
Sampled Longest Common Prefix Array
当增加最长公共前缀数组和其他结构时,后缀数组可以在最优的时间和空间上解决许多字符串处理问题。LCP数组的压缩表示也是许多压缩后缀树提案中的主要构建块之一。在本文中,我们描述了一种新的压缩LCP表示:采样LCP阵列。我们表明,当使用压缩后缀阵列(CSA),采样LCP阵列往往提供更好的时间/空间的权衡比现有的替代品。我们还展示了如何直接从CSA构建LCP阵列的压缩表示。
2010-06-29 cs.DS
Pattern Matching on Grammar-Compressed Strings in Linear Time
文本处理算法中考虑的最基本问题是模式匹配:给定长度为$m$的模式$p$和长度为$n$的文本$t$,$p$是否出现在$t$中?这个基本问题的多个版本已经被考虑过了,现在我们知道在实践和理论上都很快的算法。然而,生成和存储的数据量的快速增长带来了设计直接对数据的压缩表示进行操作的算法的需求。在压缩模式匹配问题中,我们给出文本的压缩表示,其中$n$是压缩表示的长度,$N$是文本的长度,以及长度为$m$的未压缩模式。最具挑战性的(但在处理高度重复的数据时也是相关的,比如生物信息)场景是当所选择的压缩方法能够描述指数长度的字符串时(在其表示的大小上)。这种压缩方法的一种优雅的形式是直线程序,它只是描述一个字符串的上下文无关文法。虽然已经知道对于这种压缩方法,压缩的模式匹配问题可以在$O(m+n\log N)$时间内解决,但是设计线性时间算法仍然是开放的。我们解决这个悬而未决的问题,提出了一个$O(n+m)$时间算法,给定一个上下文无关文法大小$n$,产生一个单一的字符串$t$和模式$p$的长度$m$,决定是否$p$出现在$t$作为一个子串。为此,我们设计改进的解决方案的加权祖先问题和子串连接问题。
2021-11-09 cs.DS
Efficient Compressed Wavelet Trees over Large Alphabets
{ \em小波树}是一种灵活的数据结构,它允许在压缩空间内表示大小为$σ$的字母表上的符号序列$S[1,n]$,并支持对$S$的各种操作。当与$n$相比,$σ$是显著的时,当前小波树表示引起显著的空间或时间开销。在这篇文章中,我们介绍了{ \em小波矩阵},这是一种大型字母表的替代表示,它保留了小波树的所有属性,但速度明显更快。我们还展示了如何小波矩阵可以被压缩到零阶熵的序列,而不牺牲,实际上提高,它的时间性能。我们的实验结果表明,小波矩阵优于所有的小波树变种沿空间/时间的折衷地图。
2014-05-06 cs.DS
Using Compressed Suffix-Arrays for a Compact Representation of Temporal-Graphs
时态图表示随时间变化的二元关系。它们可以模拟例如社交和通信网络的动态。时间图被定义为接触的集合,这些接触是当它们处于活动状态时用时间间隔标记的边。本文探讨了压缩后缀数组(CSA),一个众所周知的紧凑和自索引的数据结构在文本索引领域,来表示大的时间图的使用。新的结构,称为时间图CSA(TGCSA),实验比较最有竞争力的紧凑数据结构在国家的最先进的,即EDGSTUGG和CET。实验结果表明,TGCSA获得了良好的时空折衷。它使用了合理的空间,并有效地解决复杂的时态查询。此外,TGCSA具有更广泛的表达能力,比EDGSTUG和CET,因为它是能够表示时间图,其中接触的边缘可以暂时重叠。
2018-12-28 cs.DS
Faster Compressed Quadtrees
真实世界的点集往往是聚集的,因此对每个点使用机器字是浪费的。在本文中,我们首先展示了如何使用$\Oh{1}$位每个节点的四叉树的紧凑表示可以打破这一限制的聚类点集,同时提供有效的范围搜索。然后,我们描述了一个新的紧凑的四叉树表示重路径分解的基础上,它支持查询速度比以前的紧凑结构。我们目前的实验证据表明,我们的结构在实践中是有竞争力的。
2021-12-08 cs.DS
Compressed Data Structures for Binary Relations in Practice
二元关系在计算机科学中通常用于数据建模。除了使用矩阵或列表的经典表示之外,最近已经提出了一些压缩数据结构来表示紧凑空间中的二元关系,例如$k^2$树和二元关系小波树(BRWT)。了解他们的存储需求、支持的操作和时间性能是在给定域或应用程序、其数据分布和对数据计算的典型操作的情况下选择适当的数据表示的关键。在这项工作中,我们提出了一个经验比较几个压缩表示的二元关系。我们使用不同的(合成的和真实的)数据分布来分析它们的空间使用情况和操作速度。我们包括邻域和集合运算,还提出了BRWT的集合运算算法,这是以前文献中没有提出的。我们的结论是,没有一个明确的选择,优于其余的,但我们给出了一些建议,使用每个紧凑的表示取决于数据分布和类型的操作执行的数据。我们还包括一个可扩展性研究的数据表示。
2020-02-20 cs.DS
Compressed Representation of Dynamic Binary Relations with Applications
我们介绍了一个动态的数据结构的二进制关系的紧凑表示$\mathcal{R} \subseteq A \times B$。数据结构是k $^2$树的动态变体,k树是一种静态紧凑表示,它利用二元关系中的聚类来实现压缩。我们的结构可以有效地检查两个对象$(a,b) \in A \times B$是否相关,并列出与某些$a \in A$相关的$B$对象,反之亦然。此外,我们的结构允许在关系中插入和删除对$(a,b)$,以及修改基集$A$和$B$。我们测试我们的动态数据结构在不同的上下文中,包括Web图形和RDF数据库的表示。我们的实验表明,我们的动态数据结构实现了良好的压缩比和快速的查询时间,接近那些静态表示,同时也提供了有效的支持,在所表示的二进制关系的更新。
2017-07-10 cs.DS
Improved Grammar-Based Compressed Indexes
我们介绍了第一个语法压缩表示的序列,支持搜索的时间,只依赖于语法的大小。给定由$n$(终结符和非终结符)符号的(上下文无关)语法和大小$N$(以规则的右手长度之和测量)表示的文本$T[1..u]$,$T$的基于语法的基本表示占用$N\lg n$位空间。对于任何$0<ε\le 1$,我们的表示都需要$2N\lg n + N\lg u + ε\, n\lg n + o(N\lg n)$位空间。它可以在$O((m^2/ε)\lg (\frac{\lg u}{\lg n}) +occ\lg n)$时间中找到长度为$m$的模式在$T$中的$occ$出现的位置,并在时间$O(\ell+h\lg(N/h))$中提取$T$的任何长度为$\ell$的子串,其中$h$是语法树的高度。
2011-10-20 cs.DS
Faster Dynamic Compressed d-ary Relations
$k^2$树是一种成功的二元关系的紧凑表示,表现出稀疏性和/或聚类属性。它可以扩展到$d$维,在这里它被称为$k^d$树。表示归结为一个长位向量。我们表明,解释的$k^d$树作为一个动态特里的莫顿代码的点,而不是作为一个动态表示的位向量在以前的工作中所做的,产生的操作时间是低于动态位向量的下限,并在实践中提供了改进的时间性能。
2019-11-20 cs.DS
Linear time construction of compressed text indices in compact space
我们表明,压缩后缀数组和压缩后缀树的长度$n$在一个整数字母表的大小$σ\leq n$的字符串都可以内置的$O(n)$(随机)的时间只使用$O(n\logσ)$位的工作空间。以前使用$O(n\logσ)$位空间的最快构造算法分别花费时间$O(n\log\logσ)$和$O(n\log^εn)$(其中$ε$是小于$1$的任何正常数)。在传递中,我们表明,长度为$n$的字符串在大小为$σ$的字母表上的Burrows-Wheeler变换可以建立在确定性的$O(n)$时间和空间$O(n\logσ)$中。我们还表明,在相同的时间和空间内,我们可以进行多种序列分析任务,并构造压缩后缀数组和压缩后缀树的一些变体。
2016-05-23 cs.DS
Space-Efficient Construction of Compressed Indexes in Deterministic Linear Time
我们表明,压缩后缀数组和压缩后缀树的字符串$T$可以内置的$O(n)$确定性时间使用$O(n\logσ)$位的空间,其中$n$是字符串长度和$σ$是字母表的大小。先前描述的确定性算法要么在取决于字母表大小的时间内运行,要么需要工作空间的$ω(n\log σ)$位。我们的结果有直接的应用到其他问题,如产生第一个线性时间LZ77和LZ78解析算法,使用$O(n \logσ)$位。
2016-11-14 cs.DS
A Compressed-Gap Data-Aware Measure
在本文中,我们考虑的问题,有效地表示一个集$S$的$n$项目出的一个宇宙$U=\{0,...,u-1\}$,同时支持对它的一些操作。让$G=g_1...g_n$的间隙流与$S$,$gap$的比特大小时,与\emph{gap-encoding}编码,和$H_0(G)$的经验零阶熵。我们证明了(1)当$G$是高度可压缩的时,$nH_0(G)\in o(gap)$是可压缩的;(2)当$nH_0(G) \leq n\log(u/n) + n \leq uH_0(S)$是高度可压缩的时,$nH_0(G) \leq n\log(u/n) + n \leq uH_0(S)$是可压缩的。令$d$为$S$中元素之间的\emph{distinct}间隙长度的数目。我们首先提出了一种新的空间有效的零阶压缩表示的$S$采取$n(H_0(G)+1)+\mathcal O(d\log u)$位的空间。然后,我们描述了一个完全可索引的字典,支持\emph{rank}和\emph{select}查询在$\mathcal O(\log(u/n)+\log\log u)$的时间,同时需要渐近相同的空间,所提出的压缩表示的$S$。
2015-05-14 cs.DS
A Grammar-based Compressed Representation of 3D Trajectories
已经发表了许多关于地面或海上轨迹管理的研究,但飞行轨迹的压缩或索引通常较少探索。然而,空中交通管理是一个挑战,因为空域变得越来越拥挤,并且必须保存大量飞行数据汇集并将其用于各种目的。本文提出了3DGraCT,一种新的方法来表示这些飞行轨迹。它扩展了GraCT紧凑数据结构,以处理第三维(海拔),同时保留其空间/时间复杂度。3DGraCT将传统时空数据结构的空间需求提高了两个数量级,在所考虑的查询类型中具有竞争力,甚至在特定查询的比较中领先。
2018-12-28 cs.DS
Lempel-Ziv Computation In Compressed Space (LZ-CICS)
我们表明,无论是Lempel Ziv 77-和78-因式分解的文本长度$n$上的整数字母表的大小$σ$可以计算在$O(n \lg \lg σ)$时间(线性时间,如果我们允许随机化)使用$O(n \lg σ)$位的工作空间。假设后缀树的压缩表示被加载到RAM中,我们可以使用空间的$z \lg n + O(n)$位在$O(n)$时间内计算两个因子分解,其中$z$是因子的数量。
2016-05-28 cs.DS
Optimal Time Random Access to Grammar-Compressed Strings in Small Space
压缩字符串的随机访问问题是建立一个数据结构,有效地支持访问字符的位置$i$的字符在压缩形式。给定大小为$n$的文法压缩大小为$N$的字符串,我们提出了一种使用$O(nΔ\log_Δ\frac N n \log N)$位空间的数据结构,该数据结构支持$Δ\leq \log^{O(1)} N$在$O(\log_ΔN)$时间内访问位置$i$。查询时间对于多项式可压缩字符串是最优的,即,当$n=O(N^{1-ε})$。
2015-01-26 cs.DS
Random Access to Grammar Compressed Strings
基于语法的压缩是一种简单而强大的范例,它可以捕获许多流行的压缩方案,其中一个人用生成字符串的小型上下文无关语法替换长字符串。在本文中,我们提出了一种新的语法表示,允许有效的随机访问任何字符或子串,而不解压字符串。令$S$为长度为$N$的字符串,该字符串被压缩为大小为$n$的上下文无关语法$\mathcal{S}$。我们提出了两种表示的$\mathcal{S}$实现$O(\log N)$随机访问时间,或$O(n\cdot α_k(n))$建设时间和空间上的指针机器模型,或$O(n)$建设时间和空间上的RAM。这里,$α_k(n)$是阿克曼函数的$k^{th}$行的逆。我们的表示也有效地支持解压缩的任何子串在$S$:我们可以在相同的复杂性作为一个单一的随机访问查询和额外的$O(m)$时间的长度$m$的任何子串。结合这些结果与快速算法的未压缩近似字符串匹配导致几个有效的算法近似字符串匹配的语法压缩字符串不解压。例如,我们可以找到模式$P$在时间$O(n(\min\{|P|k, k^4 + |P|\} + \log N) + occ)$上的所有近似出现,其中$occ$是$P$在$S$中出现的次数。最后,我们将我们的结果推广到导航和语法压缩有序树的其他操作。所有上述界限显着改善目前最知名的结果。为了实现这些界限,我们引入了几个新的技术和数据结构的独立利益,包括前身的数据结构,两个“有偏见的”…
2013-10-29 cs.DS
Engineering Fast and Space-Efficient Recompression from SLP-Compressed Text
Stony Brook University(石溪大学)
本文首次实现压缩时间内运行的再压缩RLSLP构建,基于LZ77近似,相比非压缩方法实现46倍加速和17倍内存降低,为快速索引构建提供实用路径。
2025-10-23 cs.DS
Pattern matching in Lempel-Ziv compressed strings: fast, simple, and deterministic
Lempel-Ziv压缩的无数变体广泛用于许多实际应用中。这篇论文关注的是经典的模式匹配问题的一个自然的修改,这是受到这种压缩方法的流行的启发:给定一个未压缩的模式s [1]。m]和字符串t [1.. n],s在t中发生吗?Farach和Thorup给出了这个问题的随机化O(nlog^2(N/n)+m)时间解,其中n是t的压缩表示的大小。我们改进了他们的结果,开发了一个更快的和完全确定的O(nlog(N/n)+m)时间算法具有相同的空间复杂度。请注意,对于高度可压缩的文本,log(N/n)可能是n阶,因此对于此类输入,改进非常显著。我们的方法的一个(微小的)片段可以用来给出Farach和Muthukrishnan考虑的子串哈希问题的渐近最优解。
2011-04-21 cs.DS
Zuckerli: A New Compressed Representation for Graphs
Zuckerli是一个可扩展的压缩系统,适用于大型真实世界的图形。众所周知,图是一种具有挑战性的结构,由于它们的链接性质,很难将它们分成更小,更紧凑的组件。因此,在处理可能具有数十亿个节点和边的大型图时,有效的压缩至关重要。此外,一个好的压缩系统应该给用户快速和合理灵活的访问压缩数据的部分,而不需要完全解压缩,这可能是不可行的,在他们的系统。Zuckerli通过使用先进的压缩技术和新颖的启发式图算法,改进了WebGraph的多个方面,WebGraph是当前压缩真实世界图的最先进技术。它可以产生一个压缩表示存储和一个允许快速直接存取的压缩图的邻接表,而不解压整个图。我们验证了Zuckerli在具有多达10亿个节点和900亿条边的真实世界图形上的有效性,对压缩密度和解压缩性能进行了广泛的实验评估。我们发现,Zuckerli压缩的图小10%至29%,在大多数情况下,超过20%,用于解压缩的资源使用量与WebGraph相当。
2020-09-02 cs.DS cs.IT math.IT
Collapsing the Hierarchy of Compressed Data Structures: Suffix Arrays in Optimal Compressed Space
提出仅需最优压缩文本表示空间即可支持后缀数组查询的新索引,将压缩数据结构层级坍缩为单点,并大幅改进了构建时间及数十种算法的空间复杂度。
2023-08-07 cs.DS
Fast Compressed Tries through Path Decompositions
Tries是用于存储一组字符串的流行数据结构,其中公共前缀由公共根到节点路径表示。五十多年的使用产生了许多变体和实现,以克服它们的一些限制。我们探索新的简洁的表示路径分解尝试和实验评估相应的减少空间使用和内存延迟,与国家的art.We研究两种情况下的应用:(1)压缩字典(压缩)字符串,(2)单调最小完美哈希字符串,保持其字典顺序。对于(1),我们获得了在空间效率方面优于其他最先进的压缩字典的数据结构,同时获得了与从业者优选的数据结构竞争的可预测查询时间。在(2)中,我们的尝试比其他基于trie的单调完美哈希函数快几倍,而占用的空间几乎相同。
2011-12-03 cs.DS
Trie-Compressed Intersectable Sets
我们介绍了空间和时间有效的算法和数据结构的离线集相交问题。我们表明,一个有序的整数集$S \subseteq [0{..}u)$的$n$元素可以表示使用压缩空间,同时支持$k$ -路交叉自适应$O(kδ\lg{\!(u/δ)})$时间,$δ$是由Barbay和Kenyon介绍的交替措施。我们的实验结果表明,我们的方法在实践中具有竞争力,在几种情况下优于最有效的替代方案(分区Elias-Fano索引,咆哮位图和递归宇宙分区(RUP)),提供一般相关的时空权衡。
2022-12-02 cs.DS
Improved Approximate String Matching and Regular Expression Matching on Ziv-Lempel Compressed Texts
我们研究了近似字符串匹配和正则表达式匹配问题的情况下,待搜索的文本被压缩的Ziv-Lempel自适应字典压缩方案。我们提出了一个时间-空间的权衡,导致算法提高了以前已知的复杂性这两个问题。特别是,我们显着改善的空间界限,这在实际应用中很可能是一个瓶颈。
2007-05-03 cs.DS
LZ78 Substring Compression in Compressed Space
Joint Graduate School of Mathematics for Innovation, Kyushu University(九州大学数学创新联合研究生院);Department of Computer Science and Engineering, University of Yamanashi(山形大学计算机科学工程系)
本文提出了一种在压缩空间中实现子串压缩的算法,能够在查询时快速返回指定子串的LZ78因子分解。
2025-12-19 cs.DS
Computing LZ77 in Run-Compressed Space
本文证明了文本T { \in n ^n}的LZ 77分解可以在O(Rlog n)位的工作空间和O(nlog R)时间内计算,R是T的Burrows-Wheeler变换的游程数.对于极端重复的输入,工作空间可以低至O(log n)位:比文本本身小。作为我们的结果的直接后果,我们表明,一类重复意识的自我索引的基础上的游程编码的BWT和LZ 77的组合可以建立在内置的渐近最佳O(R + z)字的工作空间,z是LZ 77解析的大小。
2015-10-21 cs.DS
RePair in Compressed Space and Time
给定一个长度为$N$的字符串$T$,语法压缩的目标是构造一个仅生成$T$的小型上下文无关语法。在现有的语法压缩方法中,RePair(递归配对)[Larsson和Moffat,1999]在实践中以实现良好的压缩比而闻名。虽然原论文已经实现了一个时间最优的算法来计算RePair文法RePair($T$)在预期的$O(N)$时间内,但减少其工作空间,使其适用于大规模数据的研究仍在进行中。在本文中,我们提出了第一个在压缩空间中工作的RePair算法,即,潜在的$o(N)$空间用于高度可压缩的文本。其核心思想是给出一种新的方法,在压缩的空间和时间内将任意文法$S$ for $T$重构为RePair($T$)。基于再压缩技术,提出了一种在$O(\min(N, nm \log N))$空间和期望的$O(\min(N, nm \log N) m)$时间或$O(\min(N, nm \log N) \log \log N)$时间上的RePair($T$)算法,其中$n$是$S$的大小,$m$是RePair($T$)中的变量数.我们实现了我们的算法运行在$O(\min(N, nm \log N) m)$时间,并表明它实际上可以运行在压缩空间。我们还提出了一种新的方法,以减少现有的RePair算法结合我们的算法的峰值内存使用,并表明新的方法优于,无论是在计算时间和空间,最有效的空间线性时间RePair实…
2018-11-05 cs.DS
Tree-based Arithmetic and Compressed Representations of Giant Numbers
我们能用一种完全不同的方式,用一种完全不同的数据结构来做算术吗?这种方法是否可以提供实际的好处,比如对巨大数字的操作,同时具有与传统位串表示相似的平均性能?在积极回答这些问题的同时,本文中描述的基于树的表示具有一些额外的好处:它压缩了巨大的数字,例如,最大的已知素数及其相关的完全数被表示为小尺寸的树。这同样适用于费马数和重要的计算,如2的幂运算成为常数时间运算。与此同时,稀疏集、多集和序列的简洁表示通过对我们的树表示的自然数的双射成为可能。
2013-01-01 cs.DM cs.DS cs.MS
Dynamic Suffix Array in Optimal Compressed Space
本文提出首个支持后缀数组查询与更新的动态压缩数据结构,在对数多项式时间内运行,并达到δ-最优空间,填补了静态结构的空白。
2024-11-08 cs.DS
Improving Matrix-vector Multiplication via Lossless Grammar-Compressed Matrices
随着当今机器学习(ML)技术正在生成巨大的数据汇集,如何有效地设计其存储和操作的问题变得至关重要。在这篇文章中,我们提出了一个新的实值矩阵的无损压缩方案,实现有效的性能方面的压缩比和线性代数运算的时间。实验表明,作为一个压缩器,我们的工具是明显优于gzip,它通常是在20%的xz在压缩比方面。此外,我们的压缩格式支持与压缩表示的大小成比例的时间和空间中的矩阵向量乘法,不像gzip和xz需要完全解压缩压缩矩阵。据我们所知,我们的无损压缩器是第一个实现的时间和空间复杂度性相匹配的理论极限表示的$k$阶统计熵的输入。为了实现进一步的时间/空间减少,我们提出了一个新的列相似性得分上的列重排序算法。我们在ML矩阵的各种数据集上的实验表明,在适度的预处理时间下,我们的列重新排序可以在矩阵向量乘法期间进一步减少高达16%的峰值内存使用。最后,我们将我们的建议与最先进的压缩线性代数(CLA)方法进行比较,结果表明我们的运行速度总是至少快两倍(在多线程设置中),并且对于大多数测试数据集都实现了更好的压缩空间占用。这证实了实验证明有效的理论界限,我们展示了我们的压缩矩阵的方法。
2022-03-30 cs.DS
Compact q-gram Profiling of Compressed Strings
我们考虑计算大小为$N$的字符串\str的q-gram配置文件的问题,该字符串由具有$n$产生式规则的上下文无关文法语法压缩。我们提出了一个算法,运行在$O(N-α)$预期的时间,并使用$O(n+q+\kq)$空间,其中$N-α\leq qn$是由算法解压缩的字符的确切数量和$\kq\leq N-α$是不同的q-gram在$\str$的数量。这同时匹配当前最佳已知时间界限并改进最佳已知空间界限。我们的空间界是渐近最优的,在这个意义上,任何算法存储的语法和q-gram配置文件必须使用$Ω(n+q+\kq)$空间。为了实现这一点,我们引入了q-gram图,它可以有效地捕获字符串的q-gram结构,并展示了如何从语法中构建它。
2014-06-06 cs.DS
Optimal Rank and Select Queries on Dictionary-Compressed Text
我们研究的问题,支持查询的字符串$S$的长度$n$内的一个字符串吸引子$S$的大小$γ$有界的空间。最近的工作表明,在$O\left (γ \rm{polylog}\ n \right)$空间内,$S$上的随机访问可以在最佳$O(\log(n/γ)/\log\log n)$时间内得到支持。在本文中,我们将这一结果扩展到\emph{rank}和\emph{select}查询,并提供与我们的上界匹配的字母表的多对数大小的下限。我们的解决方案给出了一个空间-时间权衡的形式,这是更普遍的比以前已知的语法,并提高了现有的界限LZ 77压缩文本的$\log\log n$时间因子在\emph{select}查询。我们还提供了匹配的下限和上限为\emph{partial sum}和\emph{predecessor}查询吸引子有界空间内,并扩展我们的下限,包括导航字典压缩树表示。
2018-12-21 cs.DS
Text line Segmentation in Compressed Representation of Handwritten Document using Tunneling Algorithm
University of Mysore(迈索尔大学)
在这项研究工作中,我们执行文本行分割直接在压缩表示的无约束手写文档图像。在这种关系中,我们使用的文本行终端点,这是目前的国家的最先进的。每一个文本行的文档图像的边缘(左,右)的终端点被认为是源和目标分别。隧道算法使用单个代理(或机器人)来识别压缩表示中的坐标位置,以执行文档的文本行分割。代理从源点开始,逐步在两个相邻文本行之间挖掘路径路由,并到达可能的目标。代理从源到目标的导航路径绕过障碍物,如果有的话,导致分离两个相邻的文本行。然而,只有当代理到达目的地时才知道目标点;这适用于所有源点,从此我们可以分析源节点和目标节点之间的对应关系。利用专家系统中的人工智能,在隧道挖掘过程中,对每个搜索空间采用动态规划和贪婪策略。在包括ICDAR 13在内的各种基准数据集上进行了详尽的实验,并报告了性能。
2019-01-03 cs.AI cs.CV cs.DS
Evaluating Regular Path Queries on Compressed Adjacency Matrices
本文提出基于稀疏矩阵和$k^2$-trees的布尔代数方法处理图数据库中的正则路径查询,在保持查询效率的同时显著压缩存储空间,并在空间/时间权衡上表现优异。
2024-04-23 cs.DB cs.DS
New Compressed Indices for Multijoins on Graph Databases
本文提出新型紧凑索引和查询解析策略,在保持最坏情况最优时间的同时大幅减少图数据库多连接查询的时空开销,将平均查询时间最高提升13倍。
2024-08-01 cs.DB cs.DS
The Wavelet Trie: Maintaining an Indexed Sequence of Strings in Compressed Space
索引的字符串序列是用于存储字符串序列的数据结构,该字符串序列支持随机访问、搜索、范围计数和分析操作,用于精确匹配和前缀搜索。字符串序列是面向列的数据库、日志处理以及其他存储和查询任务的核心。在这些应用程序中,每个字符串可以出现多次,并且字符串在序列中的顺序是相关的。字符串的前缀结构也是相关的:在字符串中寻找共同的前缀以从序列中提取有趣的特征。此外,空间效率是非常可取的,因为它直接转化为更高的性能,因为更多的数据可以容纳在快速内存中。我们介绍和研究的问题,压缩索引序列的字符串,表示索引序列的字符串在接近最佳的压缩空间,无论是在静态和动态设置,同时保持可证明的良好性能的支持操作。我们提出了一种新的数据结构,小波Trie,它结合了经典的Patricia Trie与小波树,一个简洁的数据结构存储压缩序列。由此产生的小波Trie平滑地适应随时间变化的字符串序列。它通过支持动态字母表(即不同字符串的集合)和前缀查询(这两者在上述应用中都是至关重要的要求)来改进最先进的压缩数据结构,并且通过将空间占用减少到接近序列的熵来改进传统索引。
2012-04-16 cs.DB cs.DS
CARAMEL: A Succinct Read-Only Lookup Table via Compressed Static Functions
Google DeepMind(谷歌DeepMind);Distill;MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Amazon(亚马逊);Rice University(莱斯大学)
CARAMEL通过结合多个压缩静态函数,实现紧凑只读查找表,适用于多集合值的数据,提供低空间占用和高效查找。
2026-03-27 cs.DB cs.DS cs.IR
Paired compressed cover trees guarantee a near linear parametrized complexity for all $k$-nearest neighbors search in an arbitrary metric space
本文研究了在任意度量空间中,在另一个参考集$R$中寻找查询集$Q$的点的所有$k$ -最近邻的重要问题。我们之前的工作定义了压缩覆盖树,并纠正了过去几篇论文中针对具有挑战性的数据集的关键论点。2009年,Ram、Lee、March和Gray试图通过在查询集和引用集上使用成对的覆盖树来提高时间复杂度。2015年,Curtin与上述合著者使用额外的参数最终证明了$k=1$的时间复杂度。目前的工作填补了所有以前的空白,并提高了最近邻搜索的基础上对新的压缩覆盖树。新的成对树的不平衡参数使我们能够证明一个更好的时间复杂度为任何数量的邻居$k\geq 1$。
2022-01-20 cs.CC cs.CG cs.DS