[发明专利]倒排索引压缩的预处理方法

权利要求书

1.一种倒排索引压缩的预处理方法，其特征在于，包括：

(1)对每个倒排列表，以docID的索引x_i为横坐标、值y_i为纵坐标作二维散点图，x_i、y_i都是非负整数，其中i＝1，...，n，n为正整数，基于最小二乘法生成一条线性回归直线y＝f(x)＝α+βx，其中使得图中所有点(x_i，y_i)到该直线的竖直离差y_i-f(x_i)的平方和最小，得到与该倒排列表等价的竖直离差列表；

(2)对每个竖直离差列表，将所有竖直离差y_i-f(x_i)向上取整记为得到与该竖直离差列表等价的整数离差列表；

(3)对每个整数离差列表，求出最小值记为同时将所有整数离差减去这个最小值记为得到与该整数离差列表等价的非负整数离差列表。

2.如权利要求1所述的方法，其特征在于，步骤(3)中对每个整数离差列表非负化还可以是：

对每个整数离差列表，若整数离差则将其左移一位记为若整数离差则将其绝对值左移一位并将最低位置为1记为得到与该整数离差列表等价的非负整数离差列表。

3.如权利要求1或2所述的方法，其特征在于，在步骤(1)中对每个倒排列表线性回归之后，还包括：

将每个竖直离差列表划分成等长的段。

4.如权利要求1或2所述的方法，其特征在于，在步骤(1)中对每个倒排列表线性回归之前，还包括：

将每个倒排列表划分成等长的段。

5.如权利要求1或2所述的方法，其特征在于，在步骤(1)中对每个倒排列表线性回归之前，还包括：

根据docID的高h位将每个倒排列表划分成2^h个Hash段，其中h是0与docID位宽之间的非负整数。