知识卡片
索引压缩的全局模型与局部模型之争
内容
压缩倒排列表时可以用同一套参数处理全部词（全局模型），也可以让每个词的参数按自己出现频率单独调整（局部模型）。全局模型（如γ、δ编码）实现简单、解码快；局部模型（如Golomb编码，用每个词自身频率算最优参数b）能更精确贴合”高频词间隔小、低频词间隔大”的规律，但要为每个列表额外存参数、解码多算一步。经验结论是局部模型收益通常超过额外开销，Golomb编码因此成为默认选择。
参考来源
- 位置：第3章《索引》「全局方法与局部方法」小节（源文件：_chapter-text/ch03.txt）
- 结论依据：原文明确区分全局方法（同一模型压缩全部列表）与局部方法（按术语参数调整），并说明局部模型压缩效果更优但解码更慢，Golomb编码是首选局部贝努里方法，直接支持卡片论点。
- 原始内容："我们大略地将这些模型归为两类，一是全局方法，每个倒排列表使用同一常用模型进行压缩；二是局部方法，每个术语的压缩列表的压缩模型根据某些存储的参数可以调整。局部模型在压缩效果方面优于全局模型，但在解压过程中所耗费的时间方面劣于全局模型……对大部分的应用目的来说，最合适的索引压缩方法是局部贝努里方法，使用Golomb编码技术来实现。"