Suffix Array for Large Alphabet

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F08%3A00101220" target="_blank" >RIV/00216208:11320/08:00101220 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Suffix Array for Large Alphabet

Original language description

Burrows-Wheeler Transform (BWT) is used as the main part in block compression which has a good balance of speed and compression ratio. Suffix arrays are used in the coding phase of BWT and we focus on creating them for an alphabet larger than 256 symbols. The motivation for this work has been software project XBW - an application for compression of large XML files. The role of BWT is to reorder input before applying other algorithms. We describe and implement three families of algorithms for encoding. The first is inspired by the work of Sadakane and further improved by Larsson. The second family includes algorithm by Seward and algorithm by Itoh further improved by Kao. Finally we present algorithm by Karkkainen and Sanders for constructing su+-x arrays in linear time. As our main result we show that for textual data using syllables or words as symbols of alphabet improves both run time and compression ratio of block compression.

Czech name

Suffixové pole pro velkou abecedu

Czech description

Burrows-Wheelerova transformace (BWT) se používá jako hlavní část blokové komprese, díky dobrému kompresnímu poměru a přijatelné rychlosti komprese. Pro BWT se využívá struktury suffixového pole, my jsme se zaměřili na abecedy větší než 256 symbolů. Motivací pro tento článek byl projekt XBW, jehož hlavní částí je BWT. Popsali jsme, implementovali a změřili různé rodiny algoritmů pro tvorbu suffixového pole. Hlavním výsledkem bylo, že použití slabikových nebo slovních metod pro kompresi textu pomocí BWTvylepší nejen kompresní poměr ale i čas komprese.

Type

D - Article in proceedings

CEP classification

JC - Computer hardware and software

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

2008 Data Compression Conference (DCC 2008)

ISBN

0-7695-3121-0

ISSN

—

e-ISSN

—

Number of pages

1

Pages from-to

—

Publisher name

IEEE Computer Society Press

Place of publication

Snowbird, Utah, USA

Event location

Snowbird, Utah, USA

Event date

Jan 1, 2008

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

000255196800093