倒排索引的介绍

倒排索引的原理：

想要了解倒排索引就要先了解正排索引
简单点来说：正排索引就是通过文档去找关键词，倒排索引就是通过关键词去找文档。

正排索引

只有正排索引就是搜索所有的文档，再在文档中去找到所有的关键词，再去将这些带有关键词的文档展现给用户。

正排索引举例：
当用户在主页上搜索关键词“华为手机”时，如果只存在正向索引（forward index），那么就需要扫描索引库中的所有文档，找出所有包含关键词“华为手机”的文档，然后将这些文档排出名次后，呈现给用户。
但是互联网上保存的文档数目特别多，所以这样的索引结构根本无法满足实时返回结果的要求。

倒排索引

倒排索引就是通过关键词去获取包含该关键词的文档的id，在将相应的文档的相应的信息展示给用户。

倒排索引举例：
当用户在主页上搜索关键词“华为手机”时，会先通过分词，将"华为手机"分词成"华为",“手机”,“华”,"为"等。 在通过这些关键词，找到包含这些关键词的文档的id，在将文档展示给用户。

流程：
倒排索引记录了关键词的id，再通过关键词的id查找到文档的id，通过文档的id查找到相应的数据。

除了这些之外，索引系统还可以记录除此之外的更多信息。
​ 比如：在单词对应的文档列表/倒排列表中，不仅记录了文档ID，还可以记载单词的频率信息（TF）和位置信息。
​ 频率信息，即：这个单词在某个文档中的出现次数，之所以要记录这个信息，是因为方便后续进行排序。

例如：
倒排列表为：{(3;1;<4>)，(5;1;<4>)}，其含义为：在文档3和文档5出现过这个单词，单词频率都为1，单词“拉斯”在两个文档中的出现位置都是4，即文档中第四个单词是“拉斯”。