基于诱导后缀排序的文法压缩
数据结构与算法
2020-11-26 v1
摘要
本文提出了一种称为 GCIS 的文法压缩算法。GCIS 基于 Nong 等人于 2009 年提出的诱导后缀排序算法 SAIS。该方案建立在 SAIS 在后缀排序过程中所执行的因子分解之上。使用上下文无关文法将因子替换为非终结符。随后该算法递归地应用于更短的非终结符序列上。所得文法通过利用某些冗余进行编码，例如规则右部之间的公共前缀，这些前缀依据 SAIS 排序。GCIS 以其压缩所需的低空间与低时间开销而表现出色，同时获得具有竞争力的压缩比。我们在规则与重复、中等及超大型文本上的实验表明，与 Gzip、7-Zip 以及文法压缩中的黄金标准 RePair 等知名压缩器相比，GCIS 是一个非常便捷的选择。作为交换，GCIS 的解压速度较慢。然而，文法压缩器比 Lempel-Ziv 压缩器更为便捷，因为人们可以直接以压缩形式访问文本子串，而无需对文本进行解压。我们证明 GCIS 是此场景下的极佳候选，因其在基于 RePair 的替代方案中表现出竞争力。我们还展示了 GCIS 与 SAIS 的关系如何使其成为在文本解压过程中构建后缀数组与 LCP 数组的良好中间结构。
引用
@article{arxiv.2011.12898,
title = {Grammar Compression By Induced Suffix Sorting},
author = {Daniel S. N. Nunes and Felipe A. Louza and Simon Gog and Mauricio Ayala-Rincón and Gonzalo Navarro},
journal= {arXiv preprint arXiv:2011.12898},
year = {2020}
}