1信息检索-布尔检索-倒排索引

提示：
信息检索 布尔检索 倒排索引 布尔查询

---

信息检索

  信息检索是从大规模非结构化数据(一般为文本)集合找出满足用户信息所需要的资料。
  非结构化数据指没有清晰和明显语义结构的数据，计算机不易处理。
  结构化数据典例：关系数据库

举个例子(词项-文档关联矩阵一个题目)

  非线性扫描：一种方式是给文档建立索引
  词项-文档关联矩阵

每列代表一个剧本，每行代表一个词项。当对应词项出现在剧本中时在表格中写1，没有就是0.

对于词项-文档关联矩阵，给出一个上图问题：
解：取出词汇对应行，并对Calpurnia对应行求反，即
  110100 AND 110111 AND 101111 = 100100
  1对应位置的文档即为所求：第一个和第四个文档

布尔检索模型接受布尔表达式查询
  即AND 、 OR 、 NOT逻辑运算符组成的查询

相关术语及概念

倒排索引

从词项反向映射到文档

倒排索引示例

倒排索引构建

文档转化为归一化词条(小写，去标点等)->单个词汇列举->词条首字母排序->合并相同词条，建立索引

布尔查询处理(案例)

两个倒排记录表的合并算法

查询优化

查询优化：通过组织查询处理过程使处理工作量减少。
布尔查询优化主要因素：倒排记录表的访问顺序
方案：按照文档频率(倒排记录表长度)从小到大处理。

基本布尔操作的拓展和有序检索模型