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1，文档频率为2，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：{(1;1;<16>)，(3;1;<23>)},其含义为在文档1和文档3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：

4000
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。