倒排索引

由来

正向索引： 文档-->单词

如果使用正向索引， 当用户搜索 关键词 A 时， 需要扫描索引库中的所有文档，
找出所有包含 A 的文档， 然后根据打分模型进行打分， 排出名次后 呈现给用户。

这样做，无法满足实时返回结果给用户的 需求。

倒排索引： “关键词” --> 带有此关键词的 文档ID列表

详细

实现 “单词--文档矩阵”的一种具体存储形式。

示例

文档.png 倒排索引库.png

参数解释：
单词ID： 记录每个单词的单词编号
单词： 对应的单词
文档频率： 代表文档集合中有多少个文档包含某个单词
倒排列表：包含单词ID及其他必要信息
DocId：单词出现的文档id
TF：单词在某个文档中出现的次数
POS：单词在文档中出现的位置

举例：
以单词“拉斯”为例，其单词编号为8，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：{(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”。

参考

https://www.cnblogs.com/zlslch/p/6440114.html