倒排索引（Inverted Index）

倒排索引（Inverted Index）是一种用于快速查找文档中特定词语或词项的数据结构。它被广泛应用于信息检索系统，搜索引擎是其中最常见的应用之一。倒排索引的基本思想是将文档集合中的每个文档进行分词处理，然后建立一个词项到文档ID的映射关系。

举个例子，一本书通常分成多个章节，每个章节对应的页码构成了目录，即最简单的索引。如果要从这本书中查找“苹果”这个关键词，那么就需要从需要检索的所有章节里进行匹配，需要耗费大量资源。而倒排索引则相反，他可以针对“苹果”这一个关键词，对所有包含“苹果”的章节进行记录（章节号、页码等信息），当你寻找苹果时，就可以根据这一串信息直接获取到本书中所有包含“苹果”的位置。

通过描述也可以看出，这是一种典型的用空间换时间的数据结构。

具体来说，倒排索引包含以下几个关键部分：

1. 词项（Term）： 文档中被提取出来的基本单元，可以是单词、短语或其他语言单位。

2. 文档ID（Document ID）： 每个文档都被分配一个唯一的标识符，用于在倒排索引中指向相应的文档。

3. 倒排表（Inverted List）： 对于每个词项，记录包含该词项的所有文档ID。倒排表实际上就是一个映射，将词项映射到包含该词项的文档ID列表。

倒排索引的建立流程大致如下：

1. 文档预处理： 对文档进行分词，去掉停用词（如“的”、“是”等常见词汇），进行词干化等处理，以获得规范化的词项。

2. 建立倒排表： 对每个词项，记录包含该词项的文档ID列表。这可以是一个关联数组或其他数据结构。

通过使用倒排索引，系统可以快速检索包含特定词语的文档，从而提高搜索效率。搜索引擎通常会使用倒排索引来加速用户的查询，并根据相关性排序检索结果。倒排索引是信息检索领域中一个重要的数据结构，被广泛应用于各种文本检索和搜索引擎系统。