Arquivos invertidos versus arquivos de assinatura para indexação de texto

Dois métodos de indexação bem conhecidos são arquivos invertidos e arquivos de assinatura. Realizamos uma comparação detalhada dessas duas abordagens no contexto da indexação de texto, prestando atenção especial à velocidade de avaliação de consultas e aos requisitos de espaço. Examinamos seu desempenho relativo usando tanto experimentação quanto uma abordagem refinada para modelagem de arquivos de assinatura, e demonstramos que arquivos invertidos são distintamente superiores a arquivos de assinatura. Não apenas arquivos invertidos podem ser usados para avaliar consultas típicas em menos tempo do que os arquivos de assinatura, mas os arquivos invertidos requerem menos espaço e fornecem maior funcionalidade. Nossos resultados também mostram que um banco de dados de texto sintético pode fornecer uma indicação realista do comportamento de um banco de dados de texto real. As ferramentas utilizadas para gerar o banco de dados sintético foram tornadas publicamente disponíveis.