使用壓縮的目的：
(1)因為我們想要把盡量多的資料放入記憶體，因此壓縮能夠達到這個目的；
(2)從磁碟到記憶體的傳輸時間會縮短；
(1)無失真壓縮：壓縮後的資料能還原全部資訊；
(2)有失真壓縮：壓縮後會丟失一些資訊；
如果有失真壓縮後丟失的資訊使用者並不關心，則有失真壓縮也是可以接受的；
通過整個文件集詞條數來估計詞項數目；
主要思想：隨著文件集增加，詞項數目會增加，並且沒有上限；
m=kt^b;
通過詞項在文件集中的詞頻排名來估計詞項之間的詞頻比例；
如果詞項a出現次數排名第一，詞項b出現次數排名第二，詞項c出現次數排名第三，則a出現次數是b出現次數的兩倍，則a出現次數是c出現次數的1/3；
雖然與倒排記錄表相比，詞典的空間很小，但是為了能夠把詞典全部都放在記憶體中，我們必須要對其進行壓縮；
固定詞項分配大小為20b；
需要空間：m*(20+4+4)=m*28;
缺點：(1)大部分單詞都少於20b，浪費空間；
(2)對於某幾個大於20b的單詞也不能儲存；
將每個詞項合併，並組成乙個長字串；
對於每個詞項增加乙個指標；
需要空間：m*(8+4+4+3)=m*19;
相比之前，減少了1/3；
將詞典分組，分成n塊，並且只有每個塊的第乙個詞項有指標指向長字串；
在長字串的每個詞項前面新增乙個詞項長度；
如果每個塊大小為4，則每個塊可以減少3個指標，加上4個位元組表示4個詞項的長度；
因此需要空間：m(4+4+8)+m/4*3-m=m(16-1/4);
相比之前又減少了15m/4；
但是每個塊越大，壓縮率越大，則查詢的時間就越長；
因為一開始先通過二分搜尋查詢到詞項所在塊的入口，然後線性搜尋找到詞項；
二叉樹高度計算方法：
已知n個結點，這些節點構成的二叉樹的高度為：
如果給定高度為n，則滿二叉樹的節點個數為
對於3的改進方法是對於長字串的編排進行改進；
我們可以提取公共字首；
比如原來8automate9automatic，可以變成automat*1e.2ic;
此方法能夠減少儲存空間；
一般來說詞項出現頻率高，則posting連續兩個docid不會相差(gap)太遠，比如：
the --->10000 1000110002;
如果我們通過記錄兩docid的間距，則會大大減少儲存的空間;
the ---> 1000011;
壓縮率越高，解壓縮時間就越長；
規則：(1)編碼結果是整數個位元組；
(2)每個位元組的第一位是延續位，如果為1，則表示是最後乙個位元組，否則，則表示不是最後乙個位元組；
(3)每個位元組的其他7位為正常編碼位；
舉例：3--->1 0000011;
注意：可變位元組編碼的解碼消耗比起可變位編碼消耗要低得多；
乙個位元組用vb編碼的最大間距是127；2^7-1;因為如果需要編碼，則說明此數肯定不是0，因此從1開始；
如果為數n，則n個1後面添乙個0；
舉例：5--->111110
規則：(1)不記錄最高位的1；比如12--->100；
(2)編碼分為長度和偏移（長度指的是偏移的長度）
(3)長度採用一元編碼，根據偏移的長度進行編碼；
(4)偏移採用(1)的編碼；
舉例：12---> 1110(長度)，100(偏移)；
編碼長度：2log(g)+1;
總結：gamma編碼能夠壓縮成原始posting的1/4，即如果原來posting為400m，則現在gamma編碼後只需要100m即可；
注意：(1)gamma編碼永遠是基數字；
(2)字首無關即解碼結果唯一性；
如果數g，則最優編碼為log(g);
舉例：如果為12，則最優編碼為4；
和最優編碼長度只相差常數個倍數的編碼方式，gamma就是乙個universal code；
《資訊檢索導論》（第五章）索引壓縮
增加快取記憶體 catching 技術的利用率 加快資料從磁碟到記憶體的傳輸速度 壓縮技術分為有失真壓縮與無失真壓縮，無失真壓縮是指壓縮後所有的原始資訊都被保留下來，當有失真壓縮損失的資訊不被檢索系統檢索到時，有失真壓縮是有意義的。對於web檢索來說，文件數目大 查詢時間短 使用者只關注前幾頁的特點...
工程導論第五章
從無到有的創造事物是工程學的核心。前面幾章闡述到工程學是把一些特定的目的和需求變成現實的學科。也就意味著這個學科充滿創造性。這份創造性也是現代企業的核心競爭力所在。而創造乙個產品，並不只是簡單的構想加上一般的製作。需要乙個團隊乙個集體，在接到乙個產品構思後通過乙個流程使產品生產成功並更具競爭力。創造...
第五章總結
5.1選單 選單是windows應用程式視窗的乙個非常重要的組成部分，視窗的選單欄一般在標題欄下面。這個選單通常稱為 主選單 5.1.1建立和程式設計選單 選單用於sdi 單文件介面 或mdi 多文件介面 以及基於對話方塊的應用程式，在基於對話方塊的應用程式中新建 設計並編輯選單後，在該對話方塊的 ...