作为一种常用的索引组织方式，它在很多领域得到了应用。下面从存储和查询两个阶段对它进行介绍。
1．存储阶段
对于每个关键字，分配一个固定大小的向量（k-bit），这个向量叫做签名（Signature）；对于一个网页文件，经过词典切分后，形成由对应 关键字序列构成的向量，即P=<key1,key2,…,keym>，对这些关键字的签名做OR运算，就形成了网页文件的签名。这个过程也被 称为重叠编码（Superimposed Coding），然后把网页文件的签名结果依次存入一个个独立的文件中，形成对应的签名文件，这样形成的签名文件比原文件小很多。
例如：有一页网页分词后有这样一些关键字“文本”、“英语”、“单词”、“信件”，假设将这些关键字经某哈希表散列成固定位的数字向量（以6位为 例），分别为hash(文本)=000110，hash(英语)= 110001，hash(单词)= 001101，hash(信件)=000111，这些数字向量即为关键字的签名，然后将这些签名做OR运算，得到网页文件的签名。
2．查询阶段
接受用户查询语句A，首先把用户查询串字符串切分成关键字序列，形成查询向量，即A=<key1,key2,…,keyn>。然后把关键字映射成相应的向量签名，再与网页签名文件进行按位与运算，得到最后的匹配结果。
3．优缺点
签名文件索引方式是一种比较有效的索引机制，文件组织简单，基本和原文件顺序一致；维护容易，生成、插入、删除都很方便；所需空间小，特别是采用重 叠编码之后；实现比较简单，更新比较容易；适合并行处理和分布式存储。但是签名向量的大小选择是一个需要研究的问题，而且对于大的文本文件，必须进行分块 处理，检索速度慢，需要顺序扫描。
Quelle: 王鹏，机械工业出版社，《移动搜索引擎原理与实践》，5.2.3 签名文件索引（Signature File Index）
转载于:https://www.cnblogs.com/FelixLee/archive/2011/06/12/2412577.html
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
