后綴樹(shù)全文索引模型的研究與應(yīng)用.pdf

1、21世紀(jì)是一個(gè)高度信息化的社會(huì)。隨著社會(huì)的快速發(fā)展，計(jì)算機(jī)技術(shù)的廣泛應(yīng)用，信息在人們生活中的意義越來(lái)越重要，并呈現(xiàn)出海量化、多樣化的發(fā)展趨勢(shì)。為了合理有效地組織和管理這些信息，特別是信息中文本等非結(jié)構(gòu)化數(shù)據(jù)，信息檢索領(lǐng)域中的全文檢索技術(shù)得到了人們的普遍關(guān)注和研究。
　　 全文檢索技術(shù)發(fā)展至今，經(jīng)過(guò)幾十年的積累與沉淀，已經(jīng)從最初的字符串匹配程序演變成能對(duì)超大文本、視頻、音頻、圖像等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行綜合管理的一門(mén)學(xué)科，并成功應(yīng)用于搜

2、索引擎、數(shù)據(jù)挖掘和數(shù)字化資源管理等技術(shù)中。全文檢索的性能取決于所采用的全文索引模型，它可以對(duì)文本等非結(jié)構(gòu)化數(shù)據(jù)提供有效的管理和快速的查詢(xún)。
　　 本文主要介紹了目前流行的幾種索引模型，通過(guò)對(duì)它們的比較、結(jié)合未來(lái)全文檢索技術(shù)的發(fā)展趨勢(shì)，選取了一種索引模型--后綴樹(shù)模型為研究對(duì)象進(jìn)行深入的探索，并提出了當(dāng)把它應(yīng)用于全文檢索時(shí)對(duì)其性能進(jìn)行改進(jìn)的方法。
　　 針對(duì)后綴樹(shù)全文索引模型在信息檢索應(yīng)用中存在的不足，本文的主要工作包括了

3、以下三個(gè)方面：
　　 1.以傳統(tǒng)后綴樹(shù)全文索引模型為基礎(chǔ)，通過(guò)對(duì)其模型結(jié)構(gòu)與查詢(xún)算法的分析，提出了一種改進(jìn)的全文索引模型--基于鄰接字符對(duì)的三元后綴樹(shù)全文索引模型。新模型降低了原模型索引創(chuàng)建的復(fù)雜度，提高了索引的空間效率和查詢(xún)效率。
　　 2.以國(guó)內(nèi)一種著名的后綴樹(shù)改進(jìn)模型--互關(guān)聯(lián)后綴樹(shù)模型為研究對(duì)象，借鑒以存儲(chǔ)空間換取查詢(xún)時(shí)間的理論思想，以賦權(quán)有向圖將文本庫(kù)進(jìn)行形式化描述，通過(guò)為此賦權(quán)有向圖創(chuàng)建鄰接表存儲(chǔ)結(jié)構(gòu)，以減少