-
觸屏版
-
全國服務(wù)熱線：0571-87205688
- 云客網(wǎng)首頁
-
登錄
- |
-
注冊
- |
-
客戶中心
- |
-
關(guān)注云客
什么是搜索引擎的正排索引？
分享
評論
贊0
正排索引也稱為“前向索引”。它是創(chuàng)建倒排索引的基礎(chǔ)，具有以下字段。
（1）Localld字段（表中簡稱“Lid”）：表示一個文檔的局部編號。
（2）Wordld字段：表示文檔分詞后的編號，也可稱為“索引詞編號”。
（3）NHits字段：表示某個索引詞在文檔中出現(xiàn)的次數(shù)。
（4）HitList變長字段：表示某個索引詞在文檔中出現(xiàn)的位置，即相對于正文的偏移量。
由于一篇文章中的某些詞可能出現(xiàn)多次，而且位置不同，而全文檢索的本質(zhì)要求是把這些位置標識出來，因此HitList中的每個命中都表示索引詞在文檔的某個位置中出現(xiàn)了一次，這個序列為單調(diào)遞增序列。基于游程編碼的方法，變升序序列為差分序列，采用前文提到的Variable Byte Coding方法編碼可以大大壓縮正排索引的HitList字段。
事實上，文檔編號在不同的計算過程里，分別稱為局部編號和全局編號，它們在編號長度上稍有不同，為了便于理解，不區(qū)別這些區(qū)別，認為Localld和Docld完全一致，都表示一個文檔的唯一編號。在正排索引中Localld采用升序序列編號（假定編號采用自增1的方式遞增），這為下面的計算創(chuàng)造條件。進行倒排索引的轉(zhuǎn)化時，由于正排索引中Lid天然的有序性，因此在正排索引轉(zhuǎn)化為倒排索引的創(chuàng)建過程中，自然可以保證倒排索引中每個詞匯對應(yīng)的文檔編號也是有序的.
本質(zhì)上說，正排索引以文檔編號為視角看待索引詞，也就是通過文檔編號去找索引詞。任給一個文檔編號，能夠知道它包含了哪些索引詞、這些索引詞分別出現(xiàn)的次數(shù)，以及索引詞出現(xiàn)的位置。然而全文索引是通過關(guān)鍵詞來檢索，而不是通過文檔編號來檢索，因此正排索引不能滿足全文檢索的要求。
雖然正排索引不能滿足全文檢索的需要，但是正排索引為創(chuàng)建倒排索引創(chuàng)造了有利條件，是計算倒排索引的不可缺少的一環(huán)。
猜你喜歡
評論(0人參與，0條評論)
發(fā)布評論
最新評論