Compresión de bases de datos métricas

Abstract

Currently, most systems require information search by similarity in data repositories containing text and multimedia files. Using a model metric data base applications can query similarity on these repositories, through the construction of metric indexes. Metric data base is a collection of digital objects (of any type ) with a perceived similarity between these objects and where such similarity is computed as a metric [ Chávez and Navarro, 2006 ] . In turn, with the demand for this type of application memory requirements for storing the metric data base is generated . In this paper a model of compression base metric data compression to understanding how to represent a volume of information using less space on a storage device and achieve faster access to the same m as proposed, when this representation can reside in main memory. The sketch b ASICO procedure is as follows : first a metric space on a collection or database is created. Then the elements of the metric space are organized in groups of similar elements and in each group refers to an item as a representative, through a partitioning method that generates a metric index. Using a measuring distance , the compression encoding database is performed for each area or group rep explicitly element and the other elements of the group of implicitly creating bit sequences ( bitmaps ) for encoding the distance of each item to the appropriate representative of their group. Using brief space of these structures is compressed bitmaps , such structures allow access and manipulation of bitmaps to unpack each item implicitly encoded .

Actualmente la mayoría de los sistemas de información requieren realizar búsquedas por similitud en repositorios de datos que contienen archivos multimedia y de texto. Utilizando un modelo de bases de datos métricas las aplicaciones pueden realizar consultas por similitud sobre estos repositorios, mediante la construcción de índices métricos. Una base de datos métrica es una colección de objetos digitales (de cualquier tipo), con una similaridad percibida entre estos objetos y donde tal similaridad es computada como una métrica [Chávez y Navarro, 2006]. A su vez, con la demanda de este tipo de aplicaciones se generan requerimientos de memoria para el almacenamiento de la base de datos métrica. En el presente trabajo se propone un modelo de compresión de bases de datos métricas, entendiendo por compresión a la manera de representar un volumen de información utilizando un espacio menor en un dispositivo de almacenamiento y lograr un acceso más rápido a la misma, cuando esta representación puede residir en memoria principal. El bosquejo del procedimiento básico es como sigue: primeramente se crea un espacio métrico sobre una colección o base de datos. Posteriormente los elementos del espacio métrico son organizados en grupos de elementos similares y en cada grupo se nombra a un elemento como representante, por medio de un método de partición que genera un índice métrico. Usando una métrica de distancia, la compresión de la base de datos se realiza codificando para cada zona o grupo al elemento representante de manera explícita y al resto de los elementos del grupo de manera implícita creando secuencias de bits (bitmaps) para codificar la distancia de cada elemento al correspondiente representante de su grupo. Utilizando estructuras sucintas se comprime el espacio de estos bitmaps, dichas estructuras permiten el acceso y manipulación de los bitmaps para descomprimir cada elemento implícitamente codificado.