通过 Aho-Corasick 自动机建立的 BWT 与 XBW 的强联系及其在游程编码中的应用
数据结构与算法
2021-11-18 v1
摘要
基因组测序的蓬勃发展使得序列集合的压缩不可避免。这催生了对有助于压缩数据的多字符串索引数据结构的需求。此类数据结构最突出的例子是 Burrows-Wheeler 变换（BWT），一种可逆的文本排列，可改善其可压缩性。类似的数据结构，扩展 Burrows-Wheeler 变换（XBW），能够索引用字母表符号标记的树。多字符串 BWT 与 Aho-Corasick 自动机之间的联系已被发现，并导出了由多字符串 BWT 构建 XBW 的方法。我们利用多字符串中拼接的顺序，展示了多字符串 BWT 与 XBW 之间更强的联系。这一双射联系有多种应用：首先，它允许由一种数据结构构建另一种；其次，它使得能够计算输入字符串的一种排序，以优化 BWT 或 XBW 的游程长度度量（即可压缩性）。
引用
@article{arxiv.1805.10070,
title = {Strong link between BWT and XBW via Aho-Corasick automaton and applications to Run-Length Encoding},
author = {Bastien Cazaux and Eric Rivals},
journal= {arXiv preprint arXiv:1805.10070},
year = {2021}
}