Burrows-Wheeler transform and LCP array construction in constant space
在这篇文章中,我们扩展了Crochemore等人提出的优雅的原地Burrows-Wheeler变换(BWT)算法(Crochemore等人,2015)。我们的扩展是双重的:我们首先展示了如何同时计算最长公共前缀(LCP)数组以及BWT,使用恒定的附加空间;然后我们展示了如何使用Elias编码直接在压缩表示中构建LCP数组,仍然使用恒定的附加空间并且没有渐近减速。此外,我们提供了一个时间/空间权衡我们的算法时,允许额外的内存。我们的算法运行在二次时间,如Crochemore等人。的,并支持的BWT和LCP阵列的有趣的属性,有助于我们的理解的时间/空间的权衡曲线建立索引结构。
2016-11-24 cs.DS
Faster Average Case Low Memory Semi-External Construction of the Burrows-Wheeler Transform
Burrows Wheeler变换在数据压缩以及全文索引中有应用。尽管其重要的应用和各种现有的算法方法的构造的变换的大数据集仍然是具有挑战性的。本文提出了一种新的构造Burrows Wheeler变换的半外存储算法。如果有足够的内部存储器可用于保存输入文本的固定部分,则它能够在平均时间$O(n\log^2\log n)$的有限字母表上构造长度为$n$的输入文本的变换。在最坏的情况下,运行时是$O(n\log n \log\log n)$。算法在外部存储器中使用的空间量为$O(n)$位。在串行算法的基础上,我们还提出了一种在$p$处理器可用的情况下平均按时间运行的共享内存并行算法$O(\frac{n}{p}\max\{\log^2\log n+\log p\})$。
2016-04-22 cs.DS
From LZ77 to the Run-Length Encoded Burrows-Wheeler Transform, and Back
Lempel-Ziv分解(LZ 77)和游程编码Burrows-Wheeler变换(RLBWT)是文本压缩和索引中的两个重要工具,它们的大小$z$和$r$与文本自重复的数量密切相关。在本文中,我们考虑的问题转换成彼此的两个表示成比例的输入和输出的工作空间内。让$n$为文本长度。我们证明了$RLBWT$可以在$\mathcal{O}(n\log r)$时间和工作空间的$\mathcal{O}(r)$字中转换为$LZ77$。相反,我们提供了一个算法,将$LZ77$转换为$RLBWT$在$\mathcal{O}\big(n(\log r + \log z)\big)$时间和工作空间的$\mathcal{O}(r+z)$字。请注意,如果文本高度重复,则$r$和$z$可以是\emph{constant},并且我们的算法可以使用比基于完全解压缩的朴素解决方案更少的空间(最多)\emph{exponentially}。
2017-02-04 cs.DS
Regular Languages meet Prefix Sorting
通过前缀(或后缀)排序索引字符串可以说是过去几十年中开发的最成功的算法技术之一。索引可以扩展到语言吗?本文的主要贡献是对状态可前缀排序的自动机所接受的正则语言的子类进行了研究。从最近的Wheeler图的概念出发[Gagie等人,TCS 2017]-自然地将前缀排序的概念扩展到标记图-我们研究了Wheeler语言的属性,即正则语言允许接受Wheeler有限自动机。有趣的是,我们将这个家族描述为具有共字典序的正则语言的自然扩展:当排序时,属于Wheeler语言的字符串被划分为有限数量的共字典区间,每个区间由来自单个Myhill-Nerode等价类的元素形成。此外:(i)我们证明了每一个具有$n$态的Wheeler NFA(WDFA)都有一个等价的Wheeler DFA(WDFA),它至多具有$2n-1-|Σ|$态,并且能在$O(n^3)$时间内计算。这与一般的NFA形成鲜明对比。(ii)我们描述了一个二次算法的前缀排序一个适当的超集的WDFAs,一个$O(n\log n)$时间在线算法排序非循环WDFAs,和一个最佳的线性时间离线算法排序一般WDFAs。通过贡献(i),我们的算法也可以用于索引任何WNFA,其代价是自动机的大小加倍。(iii)我们提供了一个最小化定理,其特征在于最小的WDFA识别相同的语言的任何输入WDFA。相应的构造性算法在非循环情况下在最优线性时间内运行,而在一般情…
2019-07-09 cs.DS
On Computing Minimum Wheeler DFA From Their Language
Ca’ Foscari University of Venice(威尼斯卡福斯卡里大学)
研究在计算泛基因组学中,针对识别惠勒语言的自动机计算最小等效惠勒DFA的问题。提出首个算法,能在近最优、线性对数输出敏感时间内为一般DFA解决该问题,缩小差距并提升处理吞吐量,可构建最优模式匹配数据结构。
2026-07-09 cs.DS
Haplotype-aware graph indexes
变异图工具包(VG)将遗传变异表示为图。图中的每条路径都是潜在的单倍型,尽管大多数路径不太可能是真正单倍型的重组。我们用单倍型信息增强VG模型,以确定哪些路径更可能是正确的。为了这个目的,我们开发了一个可扩展的实现的位置Burrows-惠勒变换的图形扩展。我们证明了新的实施的可扩展性,通过索引1000个基因组计划单倍型。我们还开发了一种算法,用于简化变异图的k-mer索引,而不会丢失任何k-mer的单倍型。
2018-06-15 cs.DS
Partial Data Compression and Text Indexing via Optimal Suffix Multi-Selection
考虑从无界字母表中提取的输入文本串T[1,N]。本文研究了基于后缀的数据压缩和文本索引问题中的部分计算,如(I)从T的Burrows-Wheeler变换中检索K<=N个连续符号的任何片段,以及(II)检索后缀数组或后缀树中K<=N个连续条目的任何块。以前的文献需要O(N log N)的比较(和时间)来解决这些问题,通过解决构建整个Burrows-Wheeler变换或T的文本索引的总问题,并执行后处理来挑选出想要的部分。我们引入了一种新的自适应方法来解决上述部分计算问题,并解决了O(K log K + N)比较和时间的部分问题,提高了K=O(N)的最佳运行时间O(N log N)。这些部分计算问题是密切相关的,因为它们共享一个共同的瓶颈:后缀多选择问题,即输出秩为r_1,r_2,.的后缀,r_1<r_2<... <r_K,r_i在[1,N]中。这个问题的特殊情况是众所周知的:K=N是后缀排序问题,它是弦乐学中的主力,有数百个应用程序,K=1是最近研究的后缀选择。我们证明了后缀多重选择可以在Theta(N log N - sum_{j=0} ^K Delta_j log Delta_j+N)时间和比较中解决,其中r_0=0,r_{K+1} =N+1,并且对于0<=j<=K,Delta_j= r_{j+1} -r_j。这是渐近最优的,并且也与[Dobkin,Munro,JACM 28(3…
2011-10-15 cs.DS
Space efficient merging of de Bruijn graphs and Wheeler graphs
简洁数据结构的合并是一种成熟的技术,用于高效地构建大型简洁索引。在本文的第一部分中,我们提出了一个新的算法合并的de Bruijn图的简洁表示。我们的算法具有相同的渐近成本的最先进的算法相同的问题,但它使用不到一半的工作空间。我们的算法的一个新的重要功能,没有发现在任何现有的工具,是它可以计算的可变阶简洁表示的工会图在相同的渐近时间/空间界限。在本文的第二部分中,我们考虑合并Wheeler图的简洁表示的更一般的问题,Wheeler图是最近推出的图形家族,其中包括作为特殊情况的de Bruijn图和许多其他已知的简洁指数的基础上BWT或其变体之一。我们表明,惠勒图合并一般是一个更困难的问题,我们提供了一个空间有效的算法稍微简化的问题,确定工会图是否有一个排序,满足惠勒条件。
2021-07-12 cs.DS
r*-indexing
该研究针对文本索引问题,提出一种基于BWT游程数之和$r^*$与LZ77短语数$z$的存储方案,实现了高效的模式匹配查询,包括报告所有出现位置及最左、最右出现位置。
2025-08-18 cs.DS
Faster Cache-Efficient Pattern Matching for Deterministic Wheeler Pangenome Graphs
DAIS, Ca’ Foscari University of Venice(威尼斯卡福斯卡里大学DAIS)
针对Wheeler DFA模式匹配中I/O操作过多的问题,提出首个缓存友好算法,通过二分查找与顺序扫描结合减少I/O,在真实泛基因组图上速度提升达500倍。
2026-07-03 cs.DS
On representing the degree sequences of sublogarithmic-degree Wheeler graphs
我们展示了如何存储一个可搜索的部分和数据结构与恒定的查询时间为一个静态序列$S$的$n$正整数在$o \left( \frac{\log n}{(\log \log n)^2} \right)$,在$n H_k (S) + o (n)$位$k \in o \left( \frac{\log n}{(\log \log n)^2} \right)$。因此,如果$n$顶点上的惠勒图在$o \left( \frac{\log n}{(\log \log n)^2} \right)$中具有最大度,则我们可以将其入度和出度序列$\Din$和$\Dout$存储在$n H_k (\Din) + o (n)$和$n H_k (\Dout) + o (n)$位中,对于$k \in o \left( \frac{\log n}{(\log \log n)^2} \right)$,使得查询它们以进行图中的模式匹配花费恒定时间。
2022-08-22 cs.DS
On Indexing and Compressing Finite Automata
有限自动机的索引是一种强大的数据结构,它支持定位用查询模式标记的路径,从而解决底层正则语言上的模式匹配。在本文中,我们解决了长期存在的问题,索引任意有限自动机。我们的解决方案包括在寻找一个部分co-lexicographic秩序的状态和证明,在总顺序的情况下,达到一个给定的字符串形式的一个区间的偏序,从而使索引。我们提供了一个下限,说明这样的间隔需要$O(p)$字来表示,$p$是订单的宽度(即其最大反链的大小)。事实上,我们表明,$p$确定有限自动机上的几个基本问题的复杂性:(i)让$σ$是字母表的大小,我们提供了一个编码NFA使用$\lceil\log σ\rceil + 2\lceil\log p\rceil + 2$位每过渡和一个较小的编码DFA使用$\lceil\log σ\rceil + \lceil\log p\rceil + 2$位每过渡。这是通过将Burrows-Wheeler变换推广到任意自动机来实现的。(ii)我们表明,索引模式匹配可以解决在$\tilde O(m\cdot p^2)$查询时间NFA。(iii)我们提供了一个多项式时间算法来索引DFA,同时匹配$ p $的最佳值。另一方面,我们证明了该问题是NP-困难的NFA。(iv)我们表明,在最坏的情况下,经典的幂集构造算法的NFA确定产生一个等效的DFA的大小$2^p(n-p+1)-1$,其中$n$是NFA…
2020-07-15 cs.DS
Computing k-mers in Graphs
University of Helsinki(赫尔辛基大学);Technical University of Denmark(丹麦技术大学)
研究在图中计算k-mer的复杂性,并提出在Wheeler图中高效计数的方法,同时改进了de Bruijn图的构造方法。
2026-02-19 cs.DS
Space-time Trade-offs for the LCP Array of Wheeler DFAs
针对Wheeler DFA的LCP数组存储占用高的问题,提出仅需线性比特、对数时间访问的采样技术,实现匹配统计计算的时空权衡,并改进了变阶德布鲁因图遍历的时间界。
2024-08-19 cs.DS
Linear-time string indexing and analysis in small space
简洁数据结构领域在过去的16年里蓬勃发展。从Grossi和Vitter(STOC 2000)的压缩后缀数组(CSA)和Ferragina和Manzini(FOCS 2000)的FM索引开始,已经开发了许多基于Burrows-Wheeler变换(BWT)的字符串索引的推广和应用,所有这些都占用了接近输入大小的空间。在许多大规模的应用程序中,索引的构造和使用需要被视为一个计算单元。在小空间中的高效字符串索引和分析也是高通量DNA测序的数据密集型领域中的许多原语的核心。我们报告了以下字符串索引和分析方面的进展。我们表明,一个字符串$T\in \{1,\ldots,σ\}^n$的BWT可以内置的确定的$O(n)$时间使用的只是$O(n\logσ)$位的空间,其中$σ\leq n$。在相同的时间和空间预算内,我们可以基于BWT构建一个索引,该索引允许枚举$T$的后缀树的所有内部节点。许多基本的字符串分析问题可以被映射到这样的枚举,并且因此可以在确定性的$O(n)$时间和来自输入字符串的$O(n\logσ)$位空间中被解决。我们还展示了如何建立许多现有的索引的基础上的BWT,如CSA,压缩后缀树(CST),和双向BWT索引,在随机$O(n)$时间和空间的$O(n\logσ)$位。以前最快的BWT、CSA和CST构造算法使用$O(n\logσ)$空间位,前两个结构需要$O(n\log{\logσ…
2016-09-20 cs.DS
Prefix-free parsing for building large tunnelled Wheeler graphs
本研究结合Wheeler图与无前缀解析(PFP)技术,通过对文本解析结果的Wheeler图隧道化再构建原图,解决隧道化最优块选择耗时难题,实现了泛基因组序列集合上更快、更低内存的空间高效索引构建。
2022-06-30 cs.DS
A New Class of String Transformations for Compressed Text Indexing
本文提出一类基于局部排序的新型字符串变换,证明其属于包含BWT、ABWT的上下文自适应字母表排序变换族,可用于构建r-index,还给出了线性时间寻找最小游程数BWT变体的算法。
2023-05-08 cs.DS
Optimal-Time Text Indexing in BWT-runs Bounded Space
自世纪之交以来,索引高度重复的文本(如基因组数据库、软件库和版本化文本集合)已成为一个重要问题。重复文本的相关压缩性度量是$r$,即Burrows-Wheeler变换(BWT)中的运行次数。最早的重复集合索引之一,游程长度FM索引,使用$O(r)$空间,能够有效地计算文本中长度为$m$的模式的出现次数(使用当前技术,以每个模式符号的对数时间为单位)。然而,它无法在以$r$为界的空间内有效地定位这些事件的位置。从那时起,一些其他的索引与其他措施的重复性-在Lempel-Ziv解析短语的数量,生成文本的最小语法的大小,识别文本因素的最小自动机的大小-已被提出有效地定位,但不直接计数,出现的模式。在本文中,我们关闭这个长期存在的问题,展示了如何扩展的运行长度FM索引,使它可以有效地定位$occ$发生在$O(r)$空间(在对数时间每个),并达到最佳时间$O(m+occ)$内$O(r\log(n/r))$空间,在RAM机的$w=Ω(\log n)$位。在$O(r\log (n/r))$空间中,我们的索引也可以在最佳时间$O(m)$中计数。将空间提升到$O(r w\log_σ(n/r))$,我们支持在$O(m\log(σ)/w)$和$O(m\log(σ)/w+occ)$时间中进行计数和定位,这在打包设置中是最佳的,并且以前在压缩空间中没有获得。我们还描述了一个结构,使用$O(r\log(n/r…
2017-07-11 cs.DS
Dynamic Data Structures for Document Collections and Graphs
在动态索引问题中,我们必须维护一个不断变化的文本文档集合,以便我们能够有效地支持插入、删除和模式匹配查询。我们特别感兴趣的是开发高效的数据结构,以压缩的形式存储和查询文档。所有以前的压缩解决方案,这个问题依赖于回答排名和选择查询的动态序列的符号。由于[Fredman和Saks,1989]中的下界,回答排名查询在压缩动态索引中呈现出瓶颈。在本文中,我们将展示如何使用我们的新框架可以绕过这个下限。我们证明了索引问题的静态和动态变量之间的差距几乎可以关闭。我们的方法是基于一个新的框架,增加动态静态压缩数据结构。我们的框架也更普遍地适用于其他问题的动态化。例如,我们展示了我们的框架如何应用于开发动态图和二元关系的压缩表示。
2015-03-20 cs.DS
Fully-functional bidirectional Burrows-Wheeler indexes
给定一个字符串$T$的大小为$σ$的字母表,我们描述了一个双向的Burrows-Wheeler索引,需要$O(|T|\logσ)$位的空间,并支持添加\emph{and removal}的一个字符,在左侧或右侧的任何子串$T$,在恒定的时间。以前已知的使用相同空间的数据结构允许对$T$的任何子串进行常数时间添加,但是它们只能支持从$T$的特定子串中删除。我们还描述了一个索引,支持双向添加和删除$O(\log{\log{|T|}})$的时间,并占据了一定数量的字成比例的$T$的最大重复的左,右扩展的数量。我们使用这种全功能索引在小空间中实现双向、频率感知、可变阶的de Bruijn图,其阶数没有上限,并且支持在遍历过程中增加和减少阶数的自然标准。
2019-06-09 cs.DS
Algebraic Vertex Ordering of a Sparse Graph for Adjacency Access Locality and Graph Compression
本文从图合成/分解视角分析邻接访问局部性,提出一种适应度分布的代数顶点索引方法,在多种图的压缩和随机游走查询的矩阵-向量乘法效率上均取得显著提升。
2024-09-28 cs.DS
Fully-Online Suffix Tree and Directed Acyclic Word Graph Construction for Multiple Texts
我们认为建设的后缀树和有向无环字图(DAWG)索引数据结构的集合$\mathcal{T}$的文本,其中一个新的符号可以被附加到任何文本在$\mathcal{T} = \{T_1, \ldots, T_K\}$,在任何时候。在动态索引多传感器数据中出现的这种完全在线的场景是长期解决的半在线文本索引问题的自然概括,其中文本$T_1, \ldots, T_{k}$在为每个$1 \leq k < K$处理下一个文本$T_{k+1}$之前被永久固定。我们提出了在$O(N \log σ)$时间和$O(N)$空间中为$\mathcal{T}$构建后缀树和DAWG的全在线算法,其中$N$是$\mathcal{T}$中字符串的总长度,而$σ$是它们的字母大小。后缀树叶子边和一些DAWG边的标准显式表示在我们的完全在线场景中必须放松,因为在最坏的情况下需要对这些边进行太多的更新。相反,我们提供了对更新后的后缀树叶子边缘标签和DAWG边缘的访问,这些边缘将通过辅助数据结构以每个添加的字符的$O(\log σ)$时间重定向。
2018-07-12 cs.DS
Indexing Graph Search Trees and Applications
我们考虑紧凑地表示具有$n$顶点和$m$边的给定无向或有向图的深度优先搜索(DFS)树的问题,同时在具有对数字大小的RAM中有效地支持各种与深度优先搜索相关的查询。我们研究了两个著名的模型:{ \it索引}和{ \it编码}模型。虽然使用额外空间的$O(n \lg n)$位\footnote{We use $\lg$ to denote logarithm to the base $2$.}可以在恒定时间内轻松支持大多数查询,但更具体地说,我们这里的目标是克服这个微不足道的$O(n \lg n)$位空间限制,但又不会在这些查询的运行时间上牺牲太多。在{ \it索引}模型中,我们解的空间上界涉及到数量$m$,因此,我们分别得到了稀疏图和稠密图的不同上界。在{ \it encoding}模型中,我们首先给出一个空间下界,其次是一个几乎最优的数据结构,具有极快的查询时间。我们的算法的核心是一个分区的DFS树连接的子树,和一个紧凑的方式来存储这些连接。最后,我们还将这些技术应用于最短路径结构、双连通性结构等的紧索引。
2019-06-19 cs.DS cs.IR cs.SI
BD-Index: Scalable Biharmonic Distance Queries on Large Graphs via Divide-and-Conquer Indexing
Beijing Institute of Technology(北京理工大学)
BD-Index通过分治策略高效计算大规模图的双调和距离查询。
2025-12-02 cs.DS
Link and code: Fast indexing with graphs and compact regression codes
Facebook AI Research(脸书人工智能研究院);Inria(法国国家信息与自动化研究所)
基于图遍历的相似性搜索方法最近取得了突出的速度-精度权衡,把内存要求放在一边。在本文中,我们重新考虑这些方法,此外,在一个服务器上索引数十亿张图像所需的内存约束。这使得我们提出了一种基于图遍历和紧凑表示的方法。我们使用量化编码的索引向量,并利用图结构来细化相似性估计。从本质上讲,我们的方法充分利用了这两个方面:搜索策略基于嵌套图,从而以相对较小的比较集提供高精度。同时,它提供了一个显着的内存压缩。因此,我们的方法在考虑每个向量64-128字节的操作点上优于最先进的方法,正如我们在20亿级公共基准测试中的结果所证明的那样。
2018-04-27 cs.CV cs.DB cs.DS
Grammar-Constrained (CFL) Reachability: Subcubic Preprocessing, Indexing Trade-offs, and Structured Decoding Semantics
Bahcesehir University(巴希切希尔大学)
本文提出了一种基于上下文无关文法的图可达性算法框架,分析了其理论性能并进行了实证评估,揭示了文法结构和图特性对计算效率的影响。
2026-02-26 cs.DS cs.FL
Shortest Beer Path Queries based on Graph Decomposition
本文研究一般有向加权图上的啤酒路径索引查询问题,基于树分解和三连通分量分解提出索引结构与算法,并在串并联图上达到最优空间和查询时间。
2023-07-11 cs.DS
SOCRATES: A System For Scalable Graph Analytics
提出了一种分布式语义图处理系统,该系统提供局部控制、索引、图查询和并行处理能力。
2017-08-16 cs.DC cs.DS
String Synchronizing Sets: Sublinear-Time BWT Construction and Optimal LCE Data Structure
Burrows-Wheeler变换(BWT)是一种可逆的文本变换,给定长度为$n$的文本$T$,根据$T$的后缀的词典顺序来排列其符号。BWT是数据压缩中研究最多的算法之一,在索引,序列分析和生物信息学中有许多应用。它的构建在许多情况下都是一个瓶颈,解决这一任务的复杂性是序列分析中最重要的未解决问题之一,该问题已经开放了25年。给定长度为$n$的二进制串,占用$O(n/\log n)$机器字,Hon等人的BWT构造算法(SIAM J. Comput.,2009)在$O(n)$时间和$O(n/\log n)$空间中运行。最近的进展(Belazzougui,STOC 2014,和Munro等人,SODA 2017)专注于消除时间复杂度中的字母大小依赖性,但它们仍然需要$Ω(n)$时间。在本文中,我们提出了第一个算法,打破了$O(n)$的时间障碍的BWT建设。给定一个长度为$n$的二进制字符串,我们的过程在$O(n/\sqrt{\log n})$时间和$O(n/\log n)$空间中构建Burrows-Wheeler变换。我们用一个有条件的下限来补充这个结果,证明BWT构造的时间复杂度的任何进一步进展都将为非常好地研究的计数反转问题产生更快的算法:它将改进Chan和Padetrachecu(SODA 2010)的最先进的$O(m\sqrt{\log m})$时间解决方案。我们的算法是基于…
2019-05-05 cs.DS
Linear-size CDAWG: new repetition-aware indexing and grammar compression
在本文中,我们提出了一种新的方法,结合\emph{compact directed acyclic word graphs}(CDAWGs)和基于语法的压缩。这使我们得到一种高效的自索引,称为线性大小CDAWG(L-CDAWG),它可以用$O(\tilde e_T \log n)$位空间表示,允许对边缘标签进行$O(\log n)$ -时间随机访问和$O(1)$ -时间顺序访问,以及$O(m \log σ+ occ)$ -时间模式匹配。这里,$\tilde e_T$是$T$中最大重复的所有延伸的数目,$n$和$m$分别是文本$T$和给定模式的长度,$σ$是字母大小,$occ$是$T$中模式的出现次数。对于高度重复的文本,已知重复性度量$\tilde e_T$远小于文本长度$n$。对于常数字母表,我们的L-CDAWG实现$O(m + occ)$模式匹配时间与$O(e_T^r \log n)$位的空间,这提高了模式匹配时间Belazzougui等人。的游程长度BWT-CDAWG的系数为$\log \log n$,具有相同的空间复杂度。这里,$e_T^r$是$T$中最大重复的右延伸的数目。作为一个副产品,我们的结果给出了一种方法来构建一个SLP的大小$O(\tilde e_T)$为一个给定的文本$T$在$O(n + \tilde e_T \log σ)$时间。
2017-07-27 cs.DS
Optimally Computing Compressed Indexing Arrays Based on the Compact Directed Acyclic Word Graph
本文首次研究了从 CDAWG 转换为适用于高度重复文本的多种压缩索引结构的计算复杂度,并证明能在 $O(e)$ 最坏时间与工作空间内最优计算这些结构。
2023-08-04 cs.DS cs.FL cs.IR
BitPath -- Label Order Constrained Reachability Queries over Large Graphs
在本文中,我们专注于边标记图(如RDF)上的以下约束可达性问题-“给定源节点x,目的节点y和一系列边标签(a,b,c,d),是否存在两个节点之间的路径,使得路径上的边标签满足正则表达式“*a.*”。b.* c.* d.* ".“a”前的“*”允许任何其他边标签出现在边“a”之前的路径上。“a.*“强制至少一个带有标签“a”的边。".*“a”之后的“b”允许在“a”之后和“b”之前有零个或多个边缘标签。我们的查询处理算法使用简单的分治和贪婪修剪过程来限制搜索空间。然而,我们的图索引技术-基于“压缩位向量”-允许索引大型图,否则将是不可行的。我们已经在具有超过2200万条边和600万个节点的图上评估了我们的方法-与当代路径查询工作中使用的数据集相比要大得多。
2012-03-13 cs.DB cs.DS
Sorting Finite Automata via Partition Refinement
本文针对有限自动机排序问题,通过扩展经典关系最粗划分精化算法,提出了$O(m\log n)$时间复杂度的WNFA共字典全预序与DFA最小宽度共字典偏序计算方法,效率显著优于现有算法且实用表现优异。
2023-12-18 cs.DS
Elastic Founder Graphs Improved and Enhanced
为模式匹配索引标记图是泛基因组学的核心挑战。Equi等人(Micromica,2022)开发了弹性创始人图($\mathsf{EFG}$),表示长度为$n$的$m$序列的比对,从字母表$Σ$加上特殊空位字符绘制:路径拼写原始序列或其重组。通过强制执行半无重复属性,$\mathsf{EFG}$允许用于线性时间模式匹配的多项式空间索引,突破了索引标记图的条件下界(Equi等人,SOFSEM 2021)。在这项工作中,我们提高了空间的$\mathsf{EFG}$索引回答模式匹配查询在线性时间,从线性的三个连续节点标签拼写的所有字符串的长度,线性的边缘标签的大小。然后,我们开发了线性时间构造算法优化不同的指标:我们改进现有的线性构造算法$O(mn)$,通过解决新的排他性祖先集问题的树,我们提出了,简化的无间隙设置,$O(mn)$时间的解决方案,最大限度地减少块高度,我们概括了替换块高度与前缀感知的高度。最后,为了展示框架的多功能性,我们开发了一个基于BWT的$\mathsf{EFG}$索引,并研究了如何编码和执行文档列表查询的一组路径的图形,报告哪些路径呈现给定的模式作为子串。我们提出的$\mathsf{EFG}$框架作为一个改进和增强版本的框架的无间隙设置,以及建设方法,是有效的,在任何设置有关的对齐序列的分割。
2023-03-09 cs.DS
Linear-time Computation of DAWGs, Symmetric Indexing Structures, and MAWs for Integer Alphabets
本文提出在整数字母表上利用后缀树以线性时间构造 DAWG 的算法,并据此首次实现词缀树、对称 CDAWG 等结构的线性时间构建,同时给出 MAW 的最优输入输出敏感计算。
2023-07-04 cs.DS cs.FL