 |
 |
|
|
|
基于Simhash的压缩文档相似性检索研究
摘要：随着云文档存储服务平台的快速发展和普及，大量文档存储在云平台上，为用户提供便利的服务。为了节约存储空间，降低传输开销，这些文档在云平台上以压缩形式存储。然而，这样的存储方式为文件的检索服务带来了困难，为了检索这些文档，需要对文档进行解压缩后才能根据其关键字构建索引，耗费了大量的时间并恶化服务体验。因此，本文提出了一种基于压缩文档SIMHASH的快速相似性文档检索框架，通过特征向量降维降低了相似度的计算复杂度，基于文档的检索减少了对于关键字选取的依赖，以达到无需对文档进行全部解压缩即可对其进行快速索引的目的。经过试验验证，本框架相对于直接解压缩然后构建索引的方法，时间开销减少了将近44.26%，检索效率大大提升。
关键词：simhash，压缩算法，相似性检索，云平台
|