摘要：
5.索引压缩 有损压缩：大小写转换，词干还原、停用词剔除、向量空间模型、LSA（隐性语义分析）等； 无损压缩：（下面介绍的压缩方法） Heaps定律：词项数目的估计---M=kT^b（M-词项数，T-文档集合中词条个数，30《k《100，b=0.5） Zipf定律：词项在文档中分布的估计---排名第i多的词项的文档集频率与1/i成正比，例如：如果出现第一多的词项出现次数是cf1，那么出 现第二多的词项出现次数就是cf1/2。用于倒排记录表压缩时的词项分布建模。 其他有关词项分布的模型：K混合模型，双泊松模型（见15）词典压缩：1.词典采用定长数组存储所有词项按照词典序排序，但这样会造成空间浪费 阅读全文
