CDAWG 中的快速标签提取

长度为 $n$ 的字符串 $T$ 的紧凑有向无环词图（CDAWG）所占空间仅与 $T$ 的最大重复的右扩展数 $e$ 成正比，因此对于高度重复的数据集（如来自相似物种的基因组集合）而言，它是一个极具吸引力的索引，在这类数据集中 $e$ 的增长速度显著慢于 $n$。利用一个所占空间与 CDAWG 大小成正比的数据结构，我们将统计长度为 $m$ 的模式出现次数所需的时间从 $O(m\log{\log{n}})$ 降至 $O(m)$。这意味着定位模式所有 $\mathtt{occ}$ 次出现所需的时间从 $O(m\log{\log{n}}+\mathtt{occ})$ 降至 $O(m+\mathtt{occ})$。我们还将读取 $T$ 的后缀树的一条边的标签的 $k$ 个字符所需的时间从 $O(k\log{\log{n}})$ 降至 $O(k)$，并利用基于 CDAWG 的后缀树现有表示，将计算长度为 $m$ 的查询与 $T$ 之间的匹配统计量所需的时间从 $O(m\log{\log{n}})$ 降至 $O(m)$。所有这些改进都源于使用由逆 CDAWG 导出的直线程序来提取 CDAWG 的顶点或弧的标签。