| Summary: | Made available in DSpace on 2014-06-12T15:58:52Z (GMT). No. of bitstreams: 2
arquivo4736_1.pdf: 1906932 bytes, checksum: aa7a99e257aca29fb1c18db5712ba23e (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2003 === A explosão de uso da World Wide Web (Web) e seu crescimento exponencial são
fatos reais hoje em dia. A grande quantidade de dados em formato textual disponível de
forma dispersa na Web tornou o uso de sistemas de busca bastante popular. Pesquisas
mostram que cerca de 57% de usuários da internet fazem uma consulta a cada dia. Esta
necessidade de uso tem sido a alavanca da popularidade dos sistemas de busca que, mesmo
tendo evoluído de forma significativa nos últimos anos, precisam manter-se atualizados
com estruturas capazes de indexar toda essa informação para atender esta demanda de
crescimento da Web.
Esta dissertação apresenta um levantamento de técnicas no estado-da-arte sobre estruturas
de índices para sistemas de Recuperação de Informação (RI) apresentando as
estruturas: Arquivo invertido, que é o foco principal deste trabalho; Array de sufixos.
que, mesmo oferecendo facilidades na busca em consultas por proximidade, tem um custo
de espaço de armazenamento muito alto; e Arquivo de assinaturas, que foi amplamente
utilizada em sistemas de RI na década de 80, porém foi superada pelas técnicas modernas
aplicadas a estruturas de arquivo invertido. Dentre estas técnicas cita-se a compressão
do índice através do uso de codificação Elias e Golomb os quais, além de trazer economia
de espaço, melhoram o desempenho tanto no processo de consulta quanto no processo de
construção do índice. Além disso, são descritos em detalhes métodos eficientes de acesso
e de construção e manipulação do índice.
Como resultado do trabalho é proposto o VIF - Vertical Inverted File - implementado
na prática a partir de experiência pessoal adquirida durante o trabalho realizado
no engenho de busca Radix. O VIF é uma estrutura de índice invertido organizada em
blocos baseada em uma estrutura de dados dinâmica B+-Tree que possibilita a inserção
eficiente de pequenas quantidades de documentos HTML e, também, oferece uma forma
nativa de otimização no processamento de consultas através de salto de blocos. No Radix
foram feitos testes sobre a estrutura onde obteve-se ganhos de cerca de 78% de espaço
utilizado comparado com a estrutura utilizada anteriormente. Outros testes mostraram
melhoria média de 26.5% no tempo de processamento consultas usando salto em blocos
comparado com processamento sem otimização, considerando o tempo no processamento
das consultas mais realizadas pelos usuários do sistema
|
|---|
