COX:高压缩率的中文XML文档压缩技术

• 作者: 吴志杰 张山山 赵友桥 路松峰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 中文XML文档 数据压缩 中文分词 词典
• 年，卷（期）: 2012,（17）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 143-147
• 分类号: TP391
• 字数: 4096字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.17.028

摘要

针对当前常用的XML压缩算法没有考虑中文特点的情况,结合中文与XML的特点,提出一种高压缩率的适合中文XML文档的压缩算法COX.利用中文分词技术对XML文档进行分词处理,通过统计词频后获得排序的词典,利用Huffman编码思想对高频及长词汇进行压缩编码；解析XML文档后,把文档元素进行分类,同一类型的元素放入同一容器之中；算法还特别针对数字类型的数据进行了特殊处理.实验结果显示,相对于通用的压缩软件,COX具有更好的压缩效果,但压缩和解压缩时间要慢一些.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	路松峰	华中科技大学计算机科学与技术学院	34	277	8.0	14.0
2	赵友桥	华中科技大学计算机科学与技术学院	5	18	3.0	4.0
3	张山山	华中科技大学计算机科学与技术学院	1	4	1.0	1.0
4	吴志杰	中国工程物理研究院计算机应用研究所	14	339	7.0	14.0