- 1、本文档共61页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
第5章索引与查找
主讲:张春元(信息学院213室)
联系电话
课程邮箱:haidair2009@126.com
密码:ir2009
提纲
5.1引言
5.1引言
5.2基于索引的查找
5.2基于索引的查找
5.2.1倒排索引
5.2.1倒排索引
5.2.2后缀树和后缀数组
5.2.2后缀树和后缀数组
5.2.3签名文件
5.2.3签名文件
5.3基于文本的查找
5.3基于文本的查找
5.3.1布鲁特-福斯算法(Brute-Force)
5.3.1布鲁特-福斯算法(Brute-Force)
5.3.2克鲁什-莫里斯-普拉特算法(Knuth-Morris-Pratt)
5.3.2克鲁什-莫里斯-普拉特算法(Knuth-Morris-Pratt)
5.3.3博叶-摩尔系列算法(Boyer-Moore)
5.3.3博叶-摩尔系列算法(Boyer-Moore)
5.3.4复杂模式匹配
5.3.4复杂模式匹配
海南大学信息学院张春元主讲2009秋季 -2-
5.1引言
文档集组织结构
文档集组织结构
文本集的两种主要查找方式
文本集的两种主要查找方式
索引的定义
索引的定义
索引和查找的关系
索引和查找的关系
查找和查询的区别
查找和查询的区别
海南大学信息学院张春元主讲2009秋季 -3-
5.1引言
文档集组织结构
文档集组织结构
流式结构:是最简单的文档集组织结构,文本在文档集
流式结构:是最简单的文档集组织结构,文本在文档集
中可随意放置,没有特定的次序。当有新文本插入到文
中可随意放置,没有特定的次序。当有新文本插入到文
本集中时,通常将新文本增加到文本集中最末位置,这
本集中时,通常将新文本增加到文本集中最末位置,这
样无需改变文本集中现有各文本的次序。
样无需改变文本集中现有各文本的次序。
顺序结构:文本集中各文本按照某一属性排序组织,能
顺序结构:文本集中各文本按照某一属性排序组织,能
在一定程度上加快文本的查找速度,但是在文本集的建
在一定程度上加快文本的查找速度,但是在文本集的建
立与维护上要花费一定的开销。
立与维护上要花费一定的开销。
海南大学信息学院张春元主讲2009秋季 -4-
5.1引言
文本集的两种主要查找方式
文本集的两种主要查找方式
基于文本的查找:适合于文本库的规模比较小、变化
基于文本的查找:适合于文本库的规模比较小、变化
频繁、对实时性要求比较高的场合。在这种情况下,
频繁、对实时性要求比较高的场合。在这种情况下,
不需要对文本进行分词、索引等预处理,一般是直接
不需要对文本进行分词、索引等预处理,一般是直接
对文本进行查找。
对文本进行查找。
基于索引的查找:当文本规模进一步扩大时,基于文
基于索引的查找:当文本规模进一步扩大时,基于文
本的查找时间就会变得不可忍受,这时需要对文本库
本的查找时间就会变得不可忍受,这时需要对文本库
建立索引,以减少查找的时间。对于大规模、稳定的
建立索引,以减少查找的时间。对于大规模、稳定的
或周期性变化的文本文档库(集),建立和维护索引
或周期性变化的文本文档库(集),建立和维护索引
是十分有价值的,并且这也是提高查找速度的唯一途
是十分有价值的,并且这也是提高查找速度的唯一途
径。
径。
海南大学信息学院张春元主讲2009秋季 -5-
5.1引言
索引的定义
索引的定义
海南大学信息学院张春元主讲2009秋季 -6-
5.1引言
索引的定义
索引的定义
索引(I
您可能关注的文档
- 使刚度矩阵带宽最小的节点标号算法_程序和应用.pdf
- 第02章 基本数据结构和其运算-02顺序表.ppt
- 使用Beyond Compare合并含中文XML文件造成乱码问题总结.doc
- 第02章 基本数据结构和其运算-03链表表.ppt
- 使用邮件合并创建并打印信函和其他文档.doc
- 使用直接分析法编制C语言子集词法分析程序.doc
- 第2-1章 集合和其运算.ppt
- 世联-波特五力及SWOT分析.ppt
- 第2讲 线性方程组数值方法.ppt
- 事业单位(计算机基础知识试题和答案详细解释)解释答案详细事业单位基础试题.pdf
- 中国国家标准 GB/T 18233.4-2024信息技术 用户建筑群通用布缆 第4部分:住宅.pdf
- GB/T 18233.4-2024信息技术 用户建筑群通用布缆 第4部分:住宅.pdf
- GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计.pdf
- 《GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计》.pdf
- 中国国家标准 GB/T 18978.210-2024人-系统交互工效学 第210部分:以人为中心的交互系统设计.pdf
- GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置.pdf
- 《GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置》.pdf
- 中国国家标准 GB/T 16649.2-2024识别卡 集成电路卡 第2部分:带触点的卡 触点的尺寸和位置.pdf
- GB/T 17889.4-2024梯子 第4部分:铰链梯.pdf
- 《GB/T 17889.4-2024梯子 第4部分:铰链梯》.pdf
最近下载
- T∕CEC 131.4-2016 铅酸蓄电池二次利用 第4部分:电池维护技术规范.pdf
- 百日咳试题附有答案.docx VIP
- 2024年广东省深圳市光明区人大常委会办公室招聘一般类岗位专干12人历年【综合基础知识500题】高频考点模拟试题及参考答案解析.docx VIP
- 高中语文任务驱动型材料作文:枯燥与热闹审题指导(含解析).docx VIP
- 某镇卫生院污水设计方案.pdf VIP
- 2024年广东深圳市光明区人大常委会办公室招聘一般类岗位专干3人历年【综合基础知识500题】高频考点模拟试题及参考答案解析.docx VIP
- 中考数学经验交流会发言稿.pdf
- 2024年7月广东省深圳市光明区人大常委会办公室招聘10人历年【高频考点汇总500题】模拟卷及参考答案详解.docx VIP
- 《溜冰圆舞曲和雷鸣电闪波尔卡》精品课件2023.pptx
- 水利项目安全评价报告.docx
文档评论(0)