如何計算良好的預設字典用於放氣壓縮

Question

我有機會爲放氣壓縮預置字典。這對我來說是有道理的，因爲要壓縮的數據是相對較小的1kb-3kb，並且我有大量代表性示例。要壓縮的數據由任意的字節序列組成，所以標記等不是一個好的方法。此外，數據顯示了很多重複（數據示例之間），所以好的字典可能會給出非常好的結果。 問題是如何計算好字典？是否有算法計算最佳字典（給出樣本數據）？

我開始查看前綴樹，但不清楚如何在此上下文中使用它們。

最好的問候， 亞雷克

Answer 1

我不知道的算法來產生最佳的，甚至一本好字典。這通常是手工完成的。我認爲後綴樹是查找字典常用字符串的好方法，但我從來沒有嘗試過。

首先要嘗試的是簡單地連接32K值的1-3K示例，並看看在沒有字典的情況下提供了多少收益。然後你從那裏弄亂它，改變例子的順序或者把例子中重複的部分拉到字典的末尾。

請注意，最常見的字符串應放在最後，因爲較短的距離需要較少的位。