搜索引擎分块索引技术研究

搜索引擎通常使用签名文件、倒排索引、后缀树/后缀数组来构建索引,其中倒排文件由于性能可靠、实现简单,得到广泛应用.但是在现今海量数据情况下,有时倒排索引仍显力不从心,导致检索性能不佳,提出了分块索引术,可以有效提高基于倒排索引搜索系统检索效率.     

维、哈、柯多语种搜索引擎中改进索引创建的新方法的构思

通过对目前处于研究发展阶段的后缀数组技术与倒排索引技术的简单介绍,并对两者的优缺点进行了对比,对维、哈、柯文搜索引擎的索引创建进行改进的新方法提出了构思,以实现查询效率和查准率的提高。     

面向间接数组索引的向量化方法

对现有的编译器而言,间接数组索引不能被高效地向量化,这使得程序中包含有该类访存形式的间接数组索引不能利用SIMD扩展部件,这也是程序向量化研究中的热点问题。为了高效地利用SIMD扩展部件,充分挖掘程序中的向量化潜能,提出了一种对间接数组索引进行向量化的新方法,且提供了性能收益方法,分别对各种间接数组索引进行性能收益分析。实验结果表明,使用该向量化方法可以显著地提高程序的执行效率。     

一种基于有序二叉树的高效优化索引树

在编制汉字输入法的过程中遇到了字符串的存储和检索问题,对此提出了一种基于有序二叉树的高效优化索引树,给出了优化索引树的生成算法和搜索算法.在该高效优化索引树中,采用特定的非定长结构存储树节点,并把索引树存放在一个字节型逻辑数组中,从而大大减少了索引树中儿子指针和兄弟指针的个数,使得索引树中不存在空指针.优化后的索引树不仅占用存储空间少,而且检索速度极快,非常适合存储编码信息.     

游戏中寻找路径的改进算法

通过分析A*算法,设计并实现用索引数组和二叉堆表示开放列表的A*改进算法。该算法与用索引数组表示的开放列表相比,可以节省约11%的运行时间。     

基于密文块数组折半查找的B~+树密文数据库索引

为提升密文数据库的查询性能,提出了一种新型的B+树密文数据库索引.通过用密文块数组来组织树节点键值的方法,使节点能容纳的键值数量可以为任意大小,从而不再受加密长度限制.为提高在这种新型B~+树索引节点上的查找速度,设计了密文块数组折半查找算法,它根据密文块数组的特点,通过引入折半查找的思想,解决了原折半查找算法只能在一维数组上进行查找的局限,减少了对密文块的解密量.仿真实验结果表明,该索引比密文块数组顺序查找速度更快.     

密文数据库的快速查询

通过的主流数据库加密系统的研究,针对查询效率低问题,设计了二维数组密文索引。查询时,索引值经过简单的哈希算法,置换矩阵的变换确定一个加密的二维数组的地址下标,然后解密对应的数组元素获取单链表头指针,头指针指向的单链表中存放的是与索引值相同的记录的主键集合,再根据主键查询密文数据库解密并返回明文信息。整个查询过程实现了对密文数据不解密的情况下的检索。     

Transact-SQL和PLISOL中二维数组的模拟

本文利用字符串和索引表分别实现了在TRANSACT SQL和PL／SQL中的二维数组数据结构。同时也为高难数组在TRANSACT SQL和PL／SQL的实现提供了方法。     

Transact-SQL和PL/SQL中二维数组的模拟

本文利用字符串和索引表分别实现了在TRANSACTSQL和PL/SQL中的二维数组数据结构,同时也为高维数组在TRANSACTSQL和PL/SQL的实现提供了方法。     

一种改进的频繁闭项集挖掘算法

频繁闭项集惟一确定频繁项集且规模小得多,但挖掘频繁闭项集仍是很费时的.为提高挖掘效率,提出了一种改进的频繁闭项集挖掘算法DCI-Closed-Index.该算法用"索引数组"来组织数据,通过为每个项目增加包含索引,找到频繁共同出现的项集.利用二进制位图技术,给出了一个求包含索引的快速算法.然后根据项目在包含索引中出现的频率由高到低进行排序,并利用包含索引作为启发信息,合并同时出现且支持度相等的频繁项,得到初始生成子,从而大大缩小了搜索空间.同时利用索引数组对每一个生成子的前序集和后序集进行约简,得到新的、较小的约简前序集和约简后序集.并证明了约简前序集和后序集与原来的前序集和后序集的功能是一样的.从而减少了候选生成子的集合包含判断的操作.实验结果表明,该算法的性能优于其他主流算法.     

基于索引数组的频繁项集挖掘算法*

基于现有的关联规则挖掘算法,提出了一种通过循环迭代增加项为项集后缀的方式产生所有项集的新方法,构造了一种新的数据结构—索引数组,存储所发现的频繁1-项集及其相关信息,以便快速发现项集与事务之间的关系;并提出了一种基于索引数组的频繁项集挖掘新算法。该算法只需扫描数据库两次就能发现所有频繁项集。实验结果表明,该算法可以有效提高频繁项集的挖掘效率。     

全文索引技术时空效率分析

全文索引技术(full-text index technique)作为提高全文检索时空效率的有效方式之一,近年来得到了广泛而深入的研究.根据全文索引实现技术的不同,将其分为三大类:索引技术、压缩与索引混合技术以及自索引技术(self-index technique).从上述分类角度综述了全文索引时空效率方法中具有代表性的一些方法和技术:倒排文件、签名文件、后缀树与后缀数组、基于这3 种索引的压缩技术、基于倒排文件的自索引与基于后缀数组的自索引的基本原理、所面临的问题及进展,并对这些技术的时空性能进行了详细的分析和比较,分析了各种技术的适应环境及优劣.最后总结了上述技术的特点,指出了存在的问题以及未来的研究方向.     

一种基于有序二叉树的高效优化索引树

在编制汉字输入法的过程中遇到了字符串的存储和检索问题，对此提出了一种基于有序二叉树的高效优化索引树，给出了优化索引树的生成算法和搜索算法。在该高效优化索引树中，采用特定的非定长结构存储树节点，并把索引树存放在一个字节型逻辑数组中，从而大大减少了索引树中儿子指针和兄弟指针的个数，使得索引树中不存在空指针。优化后的索引树不仅占用存储空间少，而且检索速度极快，非常适合存储编码信息。     

基于压缩后缀数组技术的搜索引擎

目前,搜索引擎的核心模块(索引器)均采用倒排文件结构,对短语查询的准确率较低。该文引入后缀数组技术进行全文索引,为克服全文索引时占用空间大的缺点,研究了压缩后缀数组技术,把后缀数组索引的大小压缩到了O(n)位,并给出应用压缩后缀数组索引的步骤和核心操作伪代码。对比实验表明,基于压缩后缀数组的索引比传统倒排文件索引的短语查准率提高了近20%。     

面向对象数据库的索引技术

本文研究类层次索引、嵌套索引、路径索引和多重索引,并给出相应的索引维护算法。     

支持固定网络中频繁更新的移动对象混合索引模型

IMOFN是一种支持固定网络中频繁更新的移动对象混合索引模型,它由一棵描述固定道路网络的2D R*-Tree、一组对时间进行索引的1D R*-Tree和一个存储移动对象实时数据的Hash数组组成.IMOFN既管理了移动对象实时位置,支持位置的频繁更新;又保存了历史轨迹,提供了范围查询、拓扑查询以及轨迹查询等多种有效的实时和历史查询功能.通过实验与FNR-Tree和MON-Tree进行性能比较,证实了IMOFN模型高效的查询能力.     

DSP平台的图像特征点快速索引结构

针对DSP(digital signal processor,数字信号处理器)平台上的图像特征点匹配问题,提出了一种高效的基于自聚类二分查找树的快速索引结构,并设计了适合于DSP结构特点的索引存储布局。通过在离线情况下将特征点参考数据集逐级地二分聚类,生成多级索引结构。以顺序数组的方式将树状索引结构存储到连续的内存空间中,便于导出为数据文件存储及进一步加载到DSP内存中使用。实验表明,该索引结构能够快速有效地在DSP平台完成特征点匹配工作。     

一种索引系统架构的优化策略研究

在局部索引架构下,应用搜索引擎优化算法会对索引系统的性能带来负面的影响。目前主要有两种索引架构：全局索引和局部索引,本文针对它们各自的优缺点,应用搜索引擎优化策略,提出综合使用两种索引架构：索引系统整体上采用局部索引架构,并对高频关键词对的postinglist交集采用全局索引架构的方式,可以很好的解决这个问题。     

一种基于网格与R树的多级混合索引

结合网格索引和R树索引的特点,提出了一种基于网格与R树的多级混合索引.该方案首先将矩形地理空间进行粗网格划分建立多级网格索引.然后针对每个小网格建立基于R树的空间索引.详细讨论了该索引的结构、建立算法、删除算法以及应用该索引的检索算法,并进行了算法分析.与网格索引和R树索引相比,该索引以略大的空间开销换取了更高的查找性能.     

对基于Java的全文检索工具包lucene的索引研究

详细介绍了Lucene的倒排索引原理,认识了索引机制架构和典型的索引文件操作,对如何提高索引的性能进行了比较深入的研究.