Estructuras

Las técnicas y métodos de compresión clásicos no tienen en cuenta la estructura de los
documentos y, consecuentemente, si permiten realizar búsquedas éstas serán exclusivamente
búsquedas porcontenido. Actualmente existen algunas propuestas que intentan sacar
partido de la estructura de los documentos a la hora de mejorar las razones de compresión.
Un método de compresión que tiene en cuentala estructura de los documentos cuando
comprime y descomprime es XMill, desarrollado en los laboratorios AT&T [LS00]. XMill
es un compresor para datos XML y que utiliza zlib como motor principal decompresión.
Su principales ventajas es que mantiene los mismos niveles de compresión y velocidad que
gzip, y que no necesita un esquema de información para comprimir o descomprimir. Dado
que es unaherramienta pensada exclusivamente para el almacenamiento e intercambio
de documentos XML no contempla la búsqueda en elementos de estructura, aunque tiene
en cuenta dicha estructura a la hora derealizar la compresión. Otro compresor especíco
para XML es XGrind [TH02] que soporta directamente consultas sobre los documentos
comprimidos pero no obtiene ventaja de la estructura.
Existen otrasaproximaciones para comprimir datos XML basadas en la utilización de
codicadores PPM que sacan partido a la estructura. Un ejemplo es XMLPPM [Che01] el
cual es un compresor adaptativo que utilizadiferentes modelos PPM. XMLPPM utiliza un
parser ESAX, una variante de SAX, para obtener diferentes partes del documento (entendi
éndose por partes los nombres de las etiquetas, los nombre yvalores de los atributos
de las etiquetas, el texto, etc.), cada parte se codica mediante un modelo PPM diferente.
XMLPPM es un compresor adaptativo y no se pueden realizar búsquedas ni accesosaleatorios sobre los textos comprimidos resultantes.
Por otro lado, los sistemas de recuperación de información necesitan localizar de manera
eciente un término en concreto dentro de los textos de la...