正排索引与倒排索引

正排索引与倒排索引什么是正排索引（forward index）？

由key查询实体的过程，是正排索引.

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（实际上在搜索引擎索引库中，关键词也已经转换为关键词ID。简单的，正排索引可以理解为(文件内容会对应一个分词后的集合list<< item >>) Map< id,list< item>>，能够由id快速（时间复杂度O(1)）找到内容的一个数据结构。

什么是倒排索引（inverted index）？

由item查询key的过程，是倒排索引。

倒排索引可以理解为Map< item, list< id>>，能够由查询词快速（时间复杂度O(1)）找到包含这个查询词的文件的数据结构。

举例：

文档编号(id） 文档内容 1我喜欢数学2我喜欢编程3我考试数学成绩很好4编程太难了

分词之后的正排索引Map< id, list< item>>

文档编号（id） 分词后的集合（list< item>） 1{我,喜欢,数学}2{我,喜欢,编程}3{我,考试,数学,成绩,很好}4{编程,太难了}

分词后倒排索引

简单的倒排索引Map< item,list< id>>

编号 单词（item） 倒排列表(list< id>) 1我1,2,32喜欢1,23数学1,34编程2,45考试36成绩37很好38太难了4

有单词频率信息（TF）的倒排索引Map< item,list< (id;TF)>>

在单词对应的倒排列表中不仅记录了文档编号，还记载了单词频率信息，即这个单词在某个文档中的出现次数，之所以要记录这个信息，是因为词频信息在搜索结果排序时，计算查询和文档相似度是很重要的一个计算因子，将其记录在倒排列表中，以方便后续排序时进行分值计算。

编号 单词（item） 倒排列表(list< (id;TF)>); 1我(1;1),(2;1),(3;1)2喜欢(1;1),(2,1)3数学(1;1),(3;1)4编程(2;1),(4;1)5考试(3;1)6成绩(3;1)7很好(3;1)8太难了(4;1)

有单词频率和出现位置(pos)信息的倒排索引Map< item,list<(id;TF;< pos>)>>

编号 单词（item） 倒排列表(list<(id;TF;< pos>)>); 1我(1;1;<1>),(2;1;<1>,(3;1;<1>)2喜欢(1;1;<2>),(2;1;<2>)3数学(1;1;<3>),(3;1;<3>)4编程(2;1;<3>),(4;1;<1>)5考试(3;1;<3>)6成绩(3;1;<4>)7很好(3;1;<5>)8太难了(4;1;<2>)

检索过程？

简单来讲：先分词，再找到每个item对应的list< id>,最后进行集合求交集的过程。分词和倒排查询时间复杂度都是O(1)，整个搜索的时间复杂度取决于“求list< id>的交集”，因此实际上问题也变成了求两个集合的交集。

懂得倾听别人的忠告。