全文检索：倒排索引的理解

一.定义：是基于单词-文档矩阵的一种存储形式，它描述了一个term词项集合和文档集合之间具有映射关系的数据结构。

      1.      term词项集合列表：定义要搜索的一些词。

      2.      词项文档映射集合列表：定义单词id，单词，单词在文档中的位置，单词出现的频率，文档出现的频率等信息。

       文档列表：

 

         

  词项集合  ：

                                                               

词项文档映射表：

      以单词“公司”为例，其单词编号为w0，文档频率为2（集合中有两个元素t1，t3），代表整个文档集合中有两个文档包含这个单词，对应的倒排列表为：{(t1;1;<16>)，(t3;1;<23>)},其含义为在文档t1和文档t3出现过这个单词，单词频率都为1，单词“公司”在两个文档中的出现位置是16，23”。

 

注意：记录单词频率信息、文档频率信息的好处：

而利用单词频率信息、文档频率信息即可以对这些候选搜索结果进行排序，计算文档和查询的相似性，按照相似性得分由高到低排序输出，此即为搜索系统的部分内部流程。

二，使用倒排索引的优点：

1.可以根据单词快速获取包含这个单词的文档列表，提高查询效率。

都看到这里了，就顺手点击左上角的【关注】按钮，点击右上角的小手，给个评论，关注一下，再走呗！☺