【摘要】：目前,搜索引擎的核心模塊(索引器)均采用倒排文件結構,對短語查詢的準確率較低。該文引入后綴數(shù)組技術進行全文索引,為克服全文索引時占用空間大的缺點,研究了壓縮后綴數(shù)組技術,把后綴數(shù)組索引的大小壓縮到了O(n)位,并給出應用壓縮后綴數(shù)組索引的步驟和核心操作偽代碼。對比實驗表明,基于壓縮后綴數(shù)組的索引比傳統(tǒng)倒排文件索引的短語查準率提高了近20%。
[Abstract]:At present, the core module of search engine (indexer) adopts inverted file structure, and the accuracy of phrase query is low. In this paper, suffix array technology is introduced to carry out full-text indexing. In order to overcome the shortcoming of large space in full-text index, the technique of compressed suffix array is studied, and the size of suffix array index is compressed to O (n) bit. The steps of applying compressed suffix array index and the core operation pseudo code are also given. The comparative experiments show that the phrase precision of the index based on compressed suffix array is improved by nearly 20% compared with the traditional inverted file index.
【作者單位】： 西安理工大學計算機學院 西安理工大學計算機學院 西安理工大學計算機學院 西安理工大學計算機學院
【基金】：陜西省自然科學基金資助項目(2005F07)
【分類號】：TP391.3

【共引文獻】

相關期刊論文 前10條

1 景虹;詹海生;;基于Web Services的個性化學習資源獲取[J];中國遠程教育;2006年08期

2 徐甜;田有貴;;數(shù)據(jù)挖掘在Web中的應用研究[J];福建電腦;2006年09期

3 李彥,賈愛軍,占向輝,李翔龍;面向創(chuàng)新設計的多層次Web信息檢索研究[J];工程設計學報;2005年03期

4 劉杰;談個人數(shù)字圖書館[J];甘肅科技;2004年04期

5 張強弓,喻國寶,廖湖聲,隋樹林;一種元搜索引擎的查詢結果處理模型[J];華南理工大學學報(自然科學版);2004年S1期

6 董民輝;;海洋類學科數(shù)字圖書館門戶體系建設與實踐初探[J];海洋信息;2006年01期

7 陳金陽,蔣建中,張良勝;FTP協(xié)議分析及其客戶端程序實現(xiàn)[J];計算機工程與應用;2005年32期

8 潘靜,饒若楠;基于Web數(shù)據(jù)挖掘的信息獲取系統(tǒng)的研究及設計[J];計算機工程;2004年S1期

9 劉東飛;陳智賢;鄧俊濤;余俊;;一種輔助翻譯搜索引擎的研究與實現(xiàn)[J];計算機工程;2007年01期

10 李富萍,曾建潮;基于多Agent的搜索引擎設計研究[J];計算機應用;2004年S2期

相關會議論文 前2條

1 王虎;王潛平;;對整詞二分自動分詞機制的改進[A];中國計算技術與語言問題研究——第七屆中文信息處理國際會議論文集[C];2007年

2 吐爾地·托合提;維尼拉·木沙江;艾斯卡爾·艾木都拉;;基于Web的民文信息檢索中維、哈、柯文關鍵詞的預處理[A];中國計算技術與語言問題研究——第七屆中文信息處理國際會議論文集[C];2007年

相關博士學位論文 前7條

1 張宏斌;信息獲取中的兩類不確定問題研究[D];華中科技大學;2004年

2 南凱;面向關系型數(shù)據(jù)共享的數(shù)據(jù)網(wǎng)格中間件研究[D];中國科學院研究生院（計算技術研究所）;2006年

3 楊傳耀;中文信息檢索索引模型及相關技術研究[D];復旦大學;2007年

4 王樹梅;信息檢索相關技術研究[D];南京理工大學;2007年

5 顏端武;面向知識服務的智能推薦系統(tǒng)研究[D];南京理工大學;2007年

6 朱婕;網(wǎng)絡環(huán)境下個體信息獲取行為研究[D];吉林大學;2007年

7 王輝;基于質心具有增量性質的主題爬行[D];吉林大學;2007年

相關碩士學位論文 前10條

1 肖燕華;基于特征分塊的面向專業(yè)領域的網(wǎng)絡信息搜索系統(tǒng)的研究與實現(xiàn)[D];東華大學;2004年

2 陳菡;基于Web的遠程答疑系統(tǒng)的研究與開發(fā)[D];上海師范大學;2004年

3 董志勇;Web信息檢索中基于超鏈接的網(wǎng)頁評估算法的研究[D];河海大學;2004年

4 鄭大慶;基于Multi-Agent Systems（MAS）的商務智能系統(tǒng)及其信息搜索引擎研究[D];廣東工業(yè)大學;2004年

5 胡珍新;面向用戶的查詢擴展研究與實現(xiàn)[D];江西師范大學;2004年

6 吳福英;面向用戶的信息過濾研究與實現(xiàn)[D];江西師范大學;2004年

7 萬中英;基于投影尋蹤中文網(wǎng)頁自動分類[D];江西師范大學;2004年

8 劉峰;通用中英文專業(yè)搜索引擎技術的研究及應用[D];大連理工大學;2004年

9 羅然;網(wǎng)絡媒體傳播的局限性問題及規(guī)避研究[D];廣西大學;2004年

10 于愛軍;NERMS中基于Internet的搜索引擎研究與實現(xiàn)[D];吉林大學;2004年

【相似文獻】

相關期刊論文 前10條

1 趙鎮(zhèn);沈滇明;王玉霞;劉月蘭;;漢字多功能設備管理系統(tǒng)[J];實驗技術與管理;1985年01期

2 趙麗紅;維尼拉·木沙江;;維、哈、柯多語種搜索引擎中改進索引創(chuàng)建的新方法的構思[J];現(xiàn)代計算機;2011年06期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關會議論文 前10條

1 孫琦;牛軍鈺;;基于倒排文件的索引模型綜述[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 張剛;孫健;丁國棟;米嘉;王斌;;海量數(shù)據(jù)的索引與檢索系統(tǒng)[A];全國網(wǎng)絡與信息安全技術研討會’2004論文集[C];2004年

3 周水庚;孫敬宇;胡運發(fā);;一種文檔聚類新方法[A];第十六屆全國數(shù)據(jù)庫學術會議論文集[C];1999年

4 辛欣;李涓子;;基于Java語言全文信息檢索系統(tǒng)的設計與實現(xiàn)[A];促進企業(yè)信息化進程——第十屆中國Java技術及應用大會文集[C];2007年

5 劉莉;肖詩斌;王濤;施水才;;基于RSS的分布式博客搜索引擎設計[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

6 董祥千;左志宏;劉強國;;Lucene倒排索引文件的實現(xiàn)與優(yōu)化[A];四川省通信學會2006年學術年會論文集（二）[C];2006年

7 王洪俊;施水才;俞士汶;肖詩斌;;人民日報標注語料的索引方法研究[A];全國第八屆計算語言學聯(lián)合學術會議（JSCL-2005）論文集[C];2005年

8 駱吉洲;李建中;高宏;;頻率向量的一種壓縮存儲方法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

9 張誼巖;張霞;;OpenBASE中BLOB型文本數(shù)據(jù)全文檢索的設計與實現(xiàn)[A];第十六屆全國數(shù)據(jù)庫學術會議論文集[C];1999年

10 鄧志鴻;張銘;陳捷;楊冬青;唐世渭;;基于本體的Web信息檢索模型初探[A];第十八屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2001年

相關碩士學位論文 前10條

1 程傳鵬;基于分類的智能信息檢索研究與實現(xiàn)[D];云南師范大學;2005年

2 王齊;一種基于文本節(jié)點的XML文檔索引和查詢方法[D];山西大學;2005年

3 李帥;全文檢索在“2008奧運多語言系統(tǒng)”中的應用研究與實現(xiàn)[D];北京工業(yè)大學;2009年

4 王遠定;中文搜索引擎的快速檢索方法研究[D];江南大學;2009年

5 李s，

本文編號：2155850