原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于邻接矩阵全文索引模型的文本压缩技术.pdf
中 文 信 息 学 报
第 卷第 期 #!
! ! !#$%’()*+%,-,+%($./+%0$),--+%1 234#!%3
文章编号： （ ）
!$$%$$’’($$)$!$$%%$*
基于邻接矩阵全文索引模型的文本压缩技术!
陶晓鹏，胡运发
（复旦大学计算机系）
摘要：基于不定长单词的压缩模型的压缩效率高于基于字符的压缩模型，但是它的最优符号集的寻找算
法是 完全问题，本文提出了一种基于贪心算法的计算最小汉字平均熵的方法，发现一个局部最优的单词
+,
表。这种方法的关键是将文本的邻接矩阵索引作为统计基础，邻接矩阵全文索引是论文［ ］提出的一种新的
*
全文索引模型，它忠实地反映了原始文本，很利于进行原始文本的初步统计，因此算法效率得以提高，其时间
复杂度与文本的汉字种数成线性关系，能够适应在线需要。并且，算法生成的压缩模型的压缩比是 ，比
$#)’
基于字的压缩模型的压缩效率提高(-.。
关键词：计算机应用；中文信息处理；邻接矩阵；文本压缩；压缩模型；基于不定长单词的/011234编码
中图分类号： 文献标识码：
5,%*! 6
/56.6753839):6;7= /6?7)3@ :6BB3=
A
.3864C;B683=8;E6=E .;7:?(G44H76?7+=86?
D F
，
567893: =4 /?@0413
（ ， ， ， ）
A=3BC2=4C:1D:2 0C=BEF9=4F=34G5=FH4:I: K0G34?49L=BM9C EH34H39($$)%%DH943
J J
： ，
IB7:;E7 5H9M 3=B 0C1:BCH343I:B9CH2 NH9FHFB=3C=CH=F:2 B=MM9:4M2:G=I:1I=4CHFH34=GN:BGO3M=G:4
［］
34=NP94G:110IIC=QC94G=QF3II=G3G3F=4C23CB9Q2:G=I* STC9MN=IIP4:N4CH3CCH=FB=3C=GF:2 B=MM9:42:G=I
R
9M:1H9H=B=119F9=4F C:F:2B=MMDH94=M=G:F02=4CMCH34CH3CO3M=G:4DH94=M=FH3B3FC=BMS6 ::GN:BGI9MC9MCH=
J
文档评论（0）