全文搜索引擎，索引库

 

全文搜索引擎的工作原理理论上很简单，关键技术就是“分词”，

 

1. “索引库”：使用分词技术把“文档数据”按分词拆分，也就是一个文档拆分为多个分词(一条普通数据拆分为多个词的索引数据)。这个结构就形成了“索引库”,索引库存储的数据就叫索引(索引数据)(所以当普通数据发生变化的时候，与之所对应的索引也要变化，这里就涉及到自动实时更新索引，自动定时更新索引，还是手动更新索引，还有是增量更新索引，还是完全重建索引)。
2. 用户输入搜索关键字后，首先需要处理的是这个关键字，需要把这个关键字拆分，拆分的技术还是使用分词拆分，把搜索关键字拆分成一个或者多个有意义的字词。
3. 然后用这些字词去“索引库”中查询，此时的like其实是变成等于操作，然后返回结果。说白了全文搜索就是通过对内容分词把like变成等,当然数据的存储结构一般为非结构型数据文档结构。

 

文本数据：Lucene.Net只能对文本信息进行检索，所以非文本信息要么转换成为文本信息,要么你就死了这条心吧！

　　分词算法：将一句完整的话分解成若干词汇的算法  常见的一元分词(Lucene.Net内置就是一元分词,效率高,契合度低),二元分词,基于词库的分词算法(契合度高,效率低)...

　　切词:将一句完整的话,按分词算法切成若干词语

     　　比如："不是所有痞子都叫一毛" 这句话，如果根据一元分词算法则被切成: 不 是 所 有 痞 子 都 叫 一 毛 

     如果二元分词算法则切成: 不是 是所 所有 有痞 痞子 子都 都叫 叫一  一毛

     如果基于词库的算法有可能:不是 所有 痞子 都叫 一毛 具体看词库

　　索引库:就是存储索引数据的库，简单的理解成一个提供了全文检索功能的数据库(把需要全文检索的数据存入索引库)，见下图所示：