什么是搜索引擎的正排索引？
分享
评论
赞0
正排索引也称为“前向索引”。它是创建倒排索引的基础，具有以下字段。
（1）Localld字段（表中简称“Lid”）：表示一个文档的局部编号。
（2）Wordld字段：表示文档分词后的编号，也可称为“索引词编号”。
（3）NHits字段：表示某个索引词在文档中出现的次数。
（4）HitList变长字段：表示某个索引词在文档中出现的位置，即相对于正文的偏移量。
由于一篇文章中的某些词可能出现多次，而且位置不同，而全文检索的本质要求是把这些位置标识出来，因此HitList中的每个命中都表示索引词在文档的某个位置中出现了一次，这个序列为单调递增序列。基于游程编码的方法，变升序序列为差分序列，采用前文提到的Variable Byte Coding方法编码可以大大压缩正排索引的HitList字段。
事实上，文档编号在不同的计算过程里，分别称为局部编号和全局编号，它们在编号长度上稍有不同，为了便于理解，不区别这些区别，认为Localld和Docld完全一致，都表示一个文档的唯一编号。在正排索引中Localld采用升序序列编号（假定编号采用自增1的方式递增），这为下面的计算创造条件。进行倒排索引的转化时，由于正排索引中Lid天然的有序性，因此在正排索引转化为倒排索引的创建过程中，自然可以保证倒排索引中每个词汇对应的文档编号也是有序的.
本质上说，正排索引以文档编号为视角看待索引词，也就是通过文档编号去找索引词。任给一个文档编号，能够知道它包含了哪些索引词、这些索引词分别出现的次数，以及索引词出现的位置。然而全文索引是通过关键词来检索，而不是通过文档编号来检索，因此正排索引不能满足全文检索的要求。
虽然正排索引不能满足全文检索的需要，但是正排索引为创建倒排索引创造了有利条件，是计算倒排索引的不可缺少的一环。
猜你喜欢
评论(0人参与，0条评论)
发布评论
最新评论