Database 如何有效地存储大量NGRAM？

我从十六进制形式的二进制项中提取了4克，这意味着每个项最多可以有65535克不同的克

我想把每一项都与它的克数和频率联系起来，但我对如何存储每一项都感到困惑——这是我第一次体验数据挖掘，我对最佳实践和常用工具一无所知

我曾想过在关系数据库中构建一个大表，使用类似于

（ITEM-NAME，GRAM1，GRAM2…GRAM65535）

的模式，并将频率存储在其中，但我可以看出，由于列数太多，这种方法非常不恰当

我知道一定有更好的解决方案，但我不知道该去哪里看

---

建议？

存储ngram的最佳方式是IMHO。 是用来在非常高效的库中使用的管道

树的示例：

 1. gr1
   1. gr2 (item1)
   2. gr3 (item2,item3,item4)
 2. gr3 (item1, tem2)
 3. gr2
  1. g3 (item5,item6)
  2. g4 (item1)

另一种选择是以倒排索引的格式存储： ngramm->item

gr1 (item1, item2)
gr2 (item1, item3)
gr3 (item2, item3)
gr4 (item1, item2)

注意：第二个选项不存储对ngram至关重要的订单信息…

生成的“矩阵”是否稀疏？也就是说，您是否可以预期，平均而言，给定项目的GRAMn…GRAM65535值中至少有一半可以为0？