エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
FM-Indexのことが懐かしくなったので実装してみた - ubiquitinブログ
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
FM-Indexのことが懐かしくなったので実装してみた - ubiquitinブログ
FM-Indexのことが懐かしくなったので実装してみました。 github.com 高速文字列解析の世界――データ圧縮... FM-Indexのことが懐かしくなったので実装してみました。 github.com 高速文字列解析の世界――データ圧縮・全文検索・テキストマイニング (確率と情報の科学) 作者:岡野原 大輔出版社/メーカー: 岩波書店発売日: 2012/12/27メディア: 単行本 3種類のビットベクトルの作りかた ビットベクトルに対してrankとselectを高速に処理したいが、そのための補助データの大きさはビット長Nに対してo(N)であって欲しい、という状況がまずあったとします。それを叶える方法はいくつかあります。 1 以下は最も基本的な方法です。ビットが密 (0と1の出現頻度に大きな差がない) で、出現位置がバラバラなときに使います。 ・ビット列を大ブロックと小ブロックに分ける。 ・最初から各大ブロックまでのrank値を事前計算する。 ・各大ブロック内の最初から各小ブロックまでのrank値も事前計算