正向索引(forward index)介绍
在搜索引擎中每个文件都对应一个文件ID,文件内容被表示为一系列关键词的集合。例如 doc1 经过分词,提取了10个关键词,每个关键词都会记录它在文档中的出现次数和出现位置。
正向索引,当搜索关键词“充气娃娃”时,假设只存在正向索引,那么就需要扫描索引库中的所有文档,找出所有包含关键词“充气娃娃”的文档,再根据打分模型进行打分,排出名次后呈现给用户。
倒排索引( inverted index)介绍
因为互联网上收录在搜索引擎中的文档的数目是个天文数字,通过正向索引这样的结构根本无法满足实时返回排名结果的要求。所以,搜索引擎会将正向索引重新构建为倒排索引,即把文件ID对应到关键词的映射转换为关键词到文件ID的映射,每个关键词都对应着一系列的文件,这些文件中都出现这个关键词。