欢迎访问天宏seo博客!
当前位置:江西赣州seo > seo案例分析 > 正文 正文

什么是搜索引擎的正排索引?

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。

版权保护: 转载请保留链接: http://www.jiangxiseo.cn/seoanlifenxi/16500.html

相关文章


博客主人天宏seo
男,曾经就职于某三甲医院,资深seo爱好者,跨界seo专家,知名黑帽seo软件阿里蜘蛛池联合开发者。此博客为闲暇打发时间用,如果你想学习seo知识,博主愿意为你打开搜索引擎的大门。

标签