信息检索导论读书笔记（二）：布尔检索、倒排索引、倒排索引表合并算法、短语查询

布尔检索：

       布尔检索模型接受布尔表示查询，即通过AND、OR及NOT等逻辑操作符将词项连接起来进行查询，在该模型下，每篇文档只被看成是一系列词的集合。布尔搜索的一个普遍问题就是AND操作产生的结果正确率高但是召回率偏低，而采用OR操作符召回率高但是正确率低，因此很难或者说不可能找到一个令人满意的这种方案。

倒排索引：

       倒排索引是信息检索内第一个核心概念。倒排索引中左侧为词项词典，右侧为全体倒排记录表，每个词项对应的表称为倒排记录表，每个倒排记录表中包含多个存在词项的文档编号，每个编号是一个倒排记录。

     实现倒排索引遵循一定的步骤：

1. 词条化，定义好文档单位之后将给定的字符序列拆分为一系列词条（token）。
2. 去除停用词，停用词有被抛弃的趋势，Web搜索引擎通常都不用停用词。
3. 词条归一化，将看起来不完全一致的多个词条（如大小写，重音变音符号，连接符）归纳成一个等价类，以便在它们之间进行匹配的过程，建立的过程是隐式的，可以对规则进行定义。
4. 词干还原与词形归并，前者往往是粗略地去除单词两端词缀，后者是利用词汇表和词形分析去除屈折词缀从而返回词的原形。示例：saw，词干还原返回s，词形归并返回see或saw。两者对检索效率提高跟语言有关系，对英文提升不大。

经