Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Towards Efficient Positional Inverted Index

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F17%3A00307711" target="_blank" >RIV/68407700:21240/17:00307711 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.mdpi.com/1999-4893/10/1/30" target="_blank" >http://www.mdpi.com/1999-4893/10/1/30</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/a10010030" target="_blank" >10.3390/a10010030</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Towards Efficient Positional Inverted Index

  • Popis výsledku v původním jazyce

    We address the problem of positional indexing in the natural language domain. The positional inverted index contains the information of the word positions. Thus, it is able to recover the original text file, which implies that it is not necessary to store the original file. Our Positional Inverted Self-Index (PISI) stores the word position gaps encoded by variable byte code. Inverted lists of single terms are combined into one inverted list that represents the backbone of the text file since it stores the sequence of the indexed words of the original file. The inverted list is synchronized with a presentation layer that stores separators, stop words, as well as variants of the indexed words. The Huffman coding is used to encode the presentation layer. The space complexity of the PISI inverted list is O((N-n)[log2bN]+([N-nα]+n)x([log2bn]+1)) where N is a number of stems, n is a number of unique stems, α is a step/period of the back pointers in the inverted list and b is the size of the word of computer memory given in bits. The space complexity of the presentation layer is O(-∑Ni=1[log2pn(i)i]-∑N'j=1[log2p'j]+N) with respect to pn(i)i as a probability of a stem variant at position i, p'j as the probability of separator or stop word at position j and N' as the number of separators and stop words

  • Název v anglickém jazyce

    Towards Efficient Positional Inverted Index

  • Popis výsledku anglicky

    We address the problem of positional indexing in the natural language domain. The positional inverted index contains the information of the word positions. Thus, it is able to recover the original text file, which implies that it is not necessary to store the original file. Our Positional Inverted Self-Index (PISI) stores the word position gaps encoded by variable byte code. Inverted lists of single terms are combined into one inverted list that represents the backbone of the text file since it stores the sequence of the indexed words of the original file. The inverted list is synchronized with a presentation layer that stores separators, stop words, as well as variants of the indexed words. The Huffman coding is used to encode the presentation layer. The space complexity of the PISI inverted list is O((N-n)[log2bN]+([N-nα]+n)x([log2bn]+1)) where N is a number of stems, n is a number of unique stems, α is a step/period of the back pointers in the inverted list and b is the size of the word of computer memory given in bits. The space complexity of the presentation layer is O(-∑Ni=1[log2pn(i)i]-∑N'j=1[log2p'j]+N) with respect to pn(i)i as a probability of a stem variant at position i, p'j as the probability of separator or stop word at position j and N' as the number of separators and stop words

Klasifikace

  • Druh

    J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Algorithms

  • ISSN

    1999-4893

  • e-ISSN

    1999-4893

  • Svazek periodika

    10

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    14

  • Strana od-do

  • Kód UT WoS článku

    000398723600029

  • EID výsledku v databázi Scopus

    2-s2.0-85018343597