Compression par dictionnaire

Les algorithmes de compression par dictionnaire (en anglais : dictionary coder) sont une classe d'algorithme de compression sans perte. Ils procèdent par la recherche de similitudes entre le texte à compresser (ou tout autre type de fichier à compresser) et un ensemble de chaines de caractères (ou tout autre type de donnée) contenues dans une structure de données appelée « dictionnaire » (souvent implémenté sous forme d'un trie). Quand une similitude est trouvée, le texte correspondant est remplacé par une référence vers l'emplacement de cette chaîne dans le « dictionnaire ».

Méthodes et applications

Pour le principe : on établit une liste de mots fréquents, pour compresser un fichier quand on trouve un mot dans la liste, on remplace ce mot par sa position dans la liste.

On peut trouver deux types de fonctionnement :

• un dictionnaire calculé une fois pour toutes ;
• un dictionnaire qui évolue.

Si on prend par exemple un texte en français, le français contenant environ 200 000 mots, pour coder l'ensemble de ces mots il suffirait en principe de 18 bits (2¹⁸= 262144), un mot français contenant 5 caractères en moyenne(donc 40 bits), on pourrait gagner un facteur de l’ordre de 55%.

Exemples

Lempel-Ziv-Oberhumer (LZO) est un algorithme de compression de données se focalisant sur la vitesse de décompression sans pertes à dictionnaire.

Avec LZ78 nous avons un dictionnaire mis à jour progressivement, à chaque étape, on cherche le mot le plus court qui ne soit pas présent dans le dictionnaire, on écrit la position du mot trouvé ainsi que la lettre à ajouter, on écrit le nouveau mot dans le dictionnaire puis on continue à partir de la suite.

Source	dans dictionnaire	adresse	ajout	valeur
A	non trouvé	1	A	(0,A)
v	non trouvé	2	v	(0,v)
e	non trouvé	3	e	(0,e)
c	non trouvé	4	c	(0,c)
	non trouvé	5	" "	(0," ")
L	non(trouvé	6	L	(0,L)
Z	non trouvé	7	Z	(0,Z)
7	non trouvé	8	7	(0,7)
8	non trouvé	9	8	(0,8)
	trouvé en 5
n	non trouvé	10	n	(5,n)
o	non trouvé	11	o	(0,o)
u	non trouvé	12	u	(0,u)
s	non trouvé	13	s	(0,s)
	trouvé en 5
a	non trouvé	14	a	(5,a)
v	trouvé en 2
o	trouvé en 11
n	trouvé en 10
s	trouvé en 13
	trouvé en 5
u	trouvé en 12
n	trouvé en 10
	trouvé en 5
d	non trouvé	15	d	(0,d)

Références

https://members.loria.fr/EJeandel/files/Codage/02-2x2.pdf

• Portail de l'informatique théorique