数据集概述
该数据集是基于GNU LGPL v2.1许可的复制框架，包含复现《高重复文档集合通用索引》论文主要实验所需的全部要素，如数据集、查询模式、源代码及脚本，支持完整复现实验流程与结果报告生成。
文件详解
- 文件名称: uiHRDC.tar.gz
- 文件格式: GZ压缩包
- 内部结构（基于框架说明）：
- benchmark目录：含LaTeX格式报告及数据收集脚本，可生成含关键图表的PDF实验报告
- data目录：含7z压缩的文本集合与查询模式文件
- indexes/self-indexes目录：含各索引方法源代码及实验脚本（支持索引构建、定位与提取操作，输出结果数据文件）
- doAll.sh脚本：驱动完整流程（解压源集合、编译索引源码、运行实验、生成最终报告）
适用场景
- 信息检索研究：复现高重复文档集合索引技术的实验结果，验证索引构建与查询性能
- 压缩索引技术开发：基于源代码框架开发或优化针对重复文档的通用索引方法
- 实验流程自动化：参考脚本设计实现文档索引实验的全流程自动化管理
- 学术论文复现：为《Universal Indexes for Highly Repetitive Document Collections》论文提供可复现的实验环境
