用于增强压缩的单词分解：探讨扩展布尔霍夫特变换中的运行数
数据结构与算法
2025-06-06 v1 离散数学
形式语言与自动机理论
摘要
布尔霍夫特变换（BWT）是许多用于文本索引和压缩的数据结构中的基本组件，广泛应用于生物信息学和信息检索等领域。扩展 BWT（eBWT）将经典 BWT 推广到字符串多集，提供了一个灵活的框架，捕获许多类似 BWT 的构造方法。已知的几种 BWT 变体可视为应用于特定单词分解的 eBWT 的特定实例。BWT 的一个核心属性对于其可压缩性至关重要，称为运行数，即相等字母的最大范围数。本文我们探讨了不同单词分解对最终 eBWT 中运行数影响。首先，我们展示了单词的分解数是指数级的，即便在对子集大小施加最小约束的情况下也是如此。其次，我们提出了一个无限单词族，其最坏情况下的运行数与最好情况下的运行数之比在相同的最小约束下是无界的。这些结果说明了在 eBWT 基于压缩中分解选择的潜在成本，并凸显了在通用 BWT 框架中优化运行长度编码的挑战。
引用
@article{arxiv.2506.04926,
title = {Decomposing Words for Enhanced Compression: Exploring the Number of Runs in the Extended Burrows-Wheeler Transform},
author = {Florian Ingels and Anaïs Denis and Bastien Cazaux},
journal= {arXiv preprint arXiv:2506.04926},
year = {2025}
}