İstatiksel Kodlama Yöntemlerinin Türkçe ve İngilizce Metinlerde Sıkıştırma Başarımı Karşılaştırma Örneği

Abstract

Veri sıkıştırma, dijital ortamda bulunan verilerin hafızada olduğundan daha az yer kaplayabilmesi için yapılan işlem adımları bütünüdür. Bu işlemler dosya türlerine göre değişen az ya da çok tekrar eden veri öbeklerinden yararlanarak gerçekleştirilir. Sıkıştırma hafızanın ve veri iletişim hattının taşıma kapasitesini daha verimli kullanımına olanak sağlamaktadır. Sıkıştırma teknikleri kayıplı ve kayıpsız olarak iki gruba ayrılmaktadırlar. Bu çalışmada sıkıştırma için istatiksel kodlamayı kullanan Huffman, Shannon- Fano ve Aritmetik kodlama yöntemlerinin İngilizce ve Türkçe metinler üzerindeki başarımları karşılaştırılmıştır. Çalışmada kullanılmak üzere İngilizce için Calgary külliyatı içerisinde bulunan metin tabanlı dosyalar, Türkçe için gazetelerde yayımlanmış köşe yazılarından derlemeler yapılmıştır. Sonuçlar Aritmetik kodlamanın tasarruf oranı ölçütüne göre İngilizce metin dosyaları ortalaması %37,92, Türkçe metin dosyaları ortalaması %36,66 ile en yüksek başarımı sağladığı göstermektedir. Huffman kodlaması iki dil için sıkıştırma-açma işlemlerinde en hızlı sonucu vermiştir. İngilizce metin dosyalarının toplam sıkıştırma süresi 2,303 s, açma işlemi 2,988 s sürmüştür. Türkçe metin dosyalarının toplam sıkıştırma için geçen süre 8,142 s, açma işlemi de 10,555 s olarak ölçülmüştür. Kodlamalarda diller arasında sıkıştırma ve açma süreleri açısından başarım farkı görülmemiştir. İngilizce içerikli dosyaların ikisinde en düşük BPC değerini Huffman kodlaması verirken diğer dosyalarda Aritmetik kodlama vermiştir. Türkçe içerikli dosyaların tamamında en düşük BPC değerini Aritmetik kodlama vermiştir.