Teknik Informatika Universitas Trunojoyo Semester Genap 2011-2012 INDEXING Teknik Informatika Universitas Trunojoyo Semester Genap 2011-2012
INDEXING INVERTED FILES SUFFIX TREE & SUFFIX ARRARYS SIGNATURE FILES
INVERTED FILES Terdiri dari Vocabulary (kata) daftar kata yang berbeda dari sebuah object kalimat/document Occurrences (kemunculan) Daftar posisi kemunculan dalam database dari masing-masing kata
Contoh INVERTED FILES Kebutuhan penyimpanan vocabulary lebih kecil Kemunculan banyak kata mempengaruhi besarnya penyimpanan apalagi kalau tiap kemunculan harus ditampilkan
INVERTED FILES – Block Addressing Suatu teknik yang digunakan untuk menguraingi kebutuhan penyimpanan, dengn jalan: Membagi text menjadi beberapa block Occurance mengacu pada block Kelebihan Mengurangi jumlah pointers Selluruh kemunculan kata dalam single block digabung dalam satu reference yaitu block
Contoh Block Addressing
Index Size
INVERTED FILES Searching Model pencarian yang dapat dilakukan Single Word Query diakhiri dengan ditemukannya daftar dari posisi kata yang dicari Context Query lebih jika sulit dilakukan dengan inverted files
INVERTED FILES Search Algorithm Vocabulary Search Kata atau paterns query dicari dalam vocabulary Frase dan kedekatan kata query dibagi menjadi single word Retrieval of Occurances Daftar posisi dari kata yang ditemukan ditampilkan Manipulation of Occurances Daftar posisi diproses lagi untuk menemukan kata kedekatan atau operasi boolean Jika block addressing digunakan, maka butuh pencarian text langsung untuk menemukan kesalahan informasi dalam occurances
INVERTED FILES - construction
Construction – Large Text
Suffix Tree Melihat text sebagai sebuah sting yang panjang, setiap posisi dalam text diawali sebuah suffix text, dan setiap suffix text ditandai dengan posisi yang uniq
Suffix Trees Structure
Suffix Array
Supra Indices – Suffix Array
Signature Files
Implementasi pd IR Model INVERTED FILES Vocabulary & Occurrences Position index SUFFIX TREE & SUFFIX ARRAY Phrase search & Keyword search SIGNATURE FILES Efficient