Кіріспе

Ішінара сәйкестендіру арқылы болжау (PPM) – контексттік модельдеу және болжамға негізделген, деректерді статистикалық түрде ықшамдаудың бейімделуші әдісі. PPM модельдері келесі символды болжау үшін сығылмаған символдар ағынындағы бұрынғы символдар жиынтығын пайдаланады. PPM алгоритмдері кластерлік талдау кезінде деректерді болжамды топтарға біріктіру үшін де қолданылуы мүмкін.

Теория

Болжамдар көбінесе символдар тізіміне дейін тоғытылады. Әрбір символ (әріп, бит немесе кез келген дерек көлемі) сығымдалмас бұрын бағаланады, ал бағалау жүйесі сәйкес код сөзін (демек, сығымдау жылдамдығын) анықтайды. Көптеген сығым алгоритмдерінде бағалау, ықтималдық массалық функциясын есептеумен тең. Алдыңғы әріптер (немесе контекст) берілгенде, әрбір символға ықтималдық тағайындалады. Мысалы, арифметикалық кодтауда символдар алдыңғы символдардан кейін пайда болу ықтималдығы бойынша бағаланады, ал барлық тізбек осы ықтималдықтарға сәйкес есептелетін бір бөлшекке сығылады. Алдыңғы символдардың саны, n, PPM моделінің ретін анықтайды, ол PPM(n) деп белгіленеді. Контекстің ұзындығы шектеулі емес, шексіз нұсқалары да бар және олар PPM* деп белгіленеді. Егер барлық n контексттік символдарға сүйенгенде болжам жасау мүмкін болмаса, n-1 символдармен болжам жасауға тырысылады. Бұл процесс сәйкестік табылғанға дейін немесе контексте символдар қалғанға дейін қайталанады. Сол кезде нақты болжам жасалады. PPM моделін оңтайландыру жұмысының көп бөлігі, кіріс ағынында әлі кездеспеген кірістерді өңдеуге қатысты. Оларды өңдеудің ең оңай жолы – "ешқашан кездеспеген" символын жасау, ол құтылу тізбегін іске қосады. Бірақ ешқашан кездеспеген символға қандай ықтималдық тағайындау керек? Бұл нөлдік жиілік мәселесі деп аталады. Бір нұсқа Лаплас бағалаушысын қолданады, ол "ешқашан кездеспеген" символына бірлік псевдосанды тұрақты түрде тағайындайды. PPMd деп аталатын нұсқа "ешқашан кездеспеген" символы қолданылған сайын оның псевдосанын арттырады. (Басқаша айтқанда, PPMd жаңа символдың ықтималдығын бірегей символдар санын байқалған символдардың жалпы санына қатынасы ретінде бағалайды).

Іске асыру

PPM қысу әдістері басқа да ерекшеліктерімен айырмашылықтарға ие. Нақты символдарды таңдау әдетте арифметикалық кодтау арқылы тіркеледі, бірақ Хэффман кодтауын немесе тіпті сөздік кодтау техникасының кейбір түрлерін де қолдануға болады. Көптеген PPM алгоритмдерінде қолданылатын негізгі модельді бірнеше символдарды болжау үшін кеңейту мүмкін. Марков емес модельдеуді Марков модельдеуін алмастыру немесе толықтыру үшін де пайдалануға болады. Символдың мөлшері әдетте статикалық, көбінесе бір байтты құрайды, бұл кез келген файл форматын оңай өңдеуге мүмкіндік береді. Осы алгоритмдер отбасына қатысты жарияланған зерттеулерді 1980 жылдардың ортасынан бастап кездестіруге болады. Бағдарламалық жасақтаманы іске асыру 1990 жылдардың басына дейін кең таралған жоқ, себебі PPM алгоритмдеріне көп көлемде RAM қажет. Жаңа PPM іске асылымдары табиғи тіл мәтіні үшін ең жақсы жоғалтусыз қысу бағдарламаларының қатарында. PPMd – Дмитрий Шкарин жасаған PPMII (ақпараттық мұрагерлікпен PPM) қоғамдық домендегі іске асырылымы, ол бірнеше үйлесімсіз өзгерістерге ұшырады. Бұл әдетте RAR файл форматында қолданылады. Ол сондай-ақ 7z және zip файл форматтарында да қол жетімді. PPM алгоритмдерін жақсартуға жасалған әрекеттер PAQ деректерді қысу алгоритмдерінің тууына әкелді. PPM алгоритмі қысу үшін емес, Dasher бағдарламасындағы пайдаланушы кірісінің тиімділігін арттыру үшін қолданылады.