正排索引与倒排索引

正排索引与倒排索引

正排索引也叫正向索引(forward index)，倒排索引也叫反向索引(inverted index)。他们都是搜广推经常用到的工具，用于记录海量 对象与特征 之间的关系，这里的对象可以是商品、店铺、广告，特征可以是关键词、标签等等。

假设对象为商品，特征为关键词。下面举例说明一下什么是正排索引，什么是倒排索引。
对于每个商品，我们将它的标题和描述进行分词，然后可以建立如下正排索引（key是商品id，value是该商品的各个关键词的出现次数和出现位置）：
商品1 -> [(关键词1,出现3次，位置为1,3,5), (关键词2,出现2次，位置为2,6), (关键词4,出现1次，位置为10), …]
商品2 -> [(关键词1,出现1次，位置为1), (关键词3,出现4次，位置为2,4,7,9), …]
商品3 -> [(关键词2,出现2次，位置为1,4), (关键词4,出现3次，位置为2,7,10), …]
商品4 -> [(关键词5,出现1次，位置为1), (关键词6,出现1次，位置为2), …]

同时我们也可以建立如下倒排索引（key是关键词，value是包含该关键词的商品id列表）：
关键词1 -> [商品1,商品2]
关键词2 -> [商品1,商品3]
关键词3 -> [商品2]
关键词4 -> [商品1,商品3]
关键词5 -> [商品4]
关键词6 -> [商品4]

用户搜索商品这个场景中，搜索引擎会做这么几个事情：
①将用户输入的文字进行分词，比如说得到[关键词1,关键词4]；
②对于关键词1，根据倒排索引，发现命中[商品1,商品2]；
③对于关键词4，根据倒排索引，发现命中[商品1,商品3]；
④那么符合条件的商品就包括[商品1,商品2,商品3]，下面就需要使用正排索引来对它们进行排序，我们简单定义一下匹配度计算公式为目标关键词出现次数的总和（当然真实商业场景不可能只有匹配度这么一个维度这么简单粗暴。可能要关联数十上百个正排索引，比如匹配度、热度、好评率、给我们广告费非的多少等等很多指标综合决定）；
⑤对于商品1，使用正排索引计算得到匹配度为3+1=4；
⑥对于商品2，使用正排索引计算得到匹配度为1；
⑦对于商品3，使用正排索引计算得到匹配度为3；
⑧根据匹配度从高到低，最终搜索的排序结果为：[商品1,商品3,商品2]

因此总的来说倒排索引用于召回，从茫茫海洋中把所有符合条件的对象搜索出来；正排索引用于排序，把最符合搜索结果、对用户(或者是商家 or 平台)价值最高的对象放到首位。