今日关键字 索引

上篇文章信息检索的过程中提到“索引”一次，可能大家对它还不太理解，我当时学习时也是很吃力的。所以特写下这篇文章针对索引展开讨论。

Q1.为什么要提出索引的概念？

A1.传统的查找，虽结构简单，可当数据达到TB级别时，查找速度是无法忍受的。于是索引便运应而生了。它大大提高了检索速度。

Q2.什么是索引？

A2.索引就是对文档的预处理，就是在文档间建立的数据结构。也可以这样说，索引是一种从某个词指向相关文档的指针。不过索引不支持快速的信息变更。因为这涉及到数据内容的变更，需要对整个数据结构中的关系链进行维护。

Q3.建立索引有哪些方式？

A3.倒排、后缀数组、签名文件。而其中倒排方式建立索引最为常用，所以不再赘述其他方式。

 

倒排的定义

倒排没有严格的文字定义，但是理解起来非常简单，很符合我们的思维模式。比如说：在我的《水煮三国》一书中的第16页有“长短经”一词。那么在倒排了之后，“长短经”就被作为一个单独的关键词切分出来，保存在索引中。于是当我搜索“长短经”一词时，就会连带的出现“长短经——第16页——《水煮三国》”。这样的搜索比起从文档的第一句开始逐句搜索快速的多。

 

倒排的特点

1.少量关键字能涵盖文本数据库中的大量信息。据统计，1GB的文本信息，关键字只有5MB左右。

2.倒排的时候耗时多。因为需要对文本进行分词、切词，还要构建索引结构，记录位置信息，同时维护相关内容。

3.倒排后，索引一旦建立，搜索效率会大幅度提高。而且建立起来的索引不需要高频地变更。