线性规模 CDAWG：新的重复感知索引与语法压缩

本文提出了一种将紧凑有向无环词图（CDAWG）与基于语法的压缩相结合的新方法。这使我们得到了一个高效的自索引，称为线性规模 CDAWG（L-CDAWG），它可以用 $O(\tilde e_T \log n)$ 位空间表示，支持 $O(\log n)$ 时间的随机访问和 $O(1)$ 时间的顺序访问边标签，以及 $O(m \log \sigma + occ)$ 时间的模式匹配。其中，$\tilde e_T$ 是文本 $T$ 中所有最大重复的扩展数量，$n$ 和 $m$ 分别是文本 $T$ 和给定模式的长度，$\sigma$ 是字母表大小，$occ$ 是模式在 $T$ 中的出现次数。对于高度重复的文本，重复度量 $\tilde e_T$ 已知远小于文本长度 $n$。对于固定字母表，我们的 L-CDAWG 以 $O(e_T^r \log n)$ 位空间实现 $O(m + occ)$ 的模式匹配时间，这比 Belazzougui 等人的游程编码 BWT-CDAWG 的模式匹配时间提高了 $\log \log n$ 倍，且空间复杂度相同。其中，$e_T^r$ 是文本 $T$ 中最大重复的右扩展数量。作为副产品，我们的结果给出了一种在 $O(n + \tilde e_T \log \sigma)$ 时间内为给定文本 $T$ 构建大小为 $O(\tilde e_T)$ 的 SLP 的方法。