搜索引擎：第一章布尔查询学习笔记
第一章布尔查询学习笔记
倒排序记录
提取词 文档ID 对词排序 去重
New 1 Forcasts Forcasts
Home 1 Home Home
Sales 1 In In
Top 1 July July
Rise 1 New New
Forcasts 2 Rise Rise
Sales 2 Sales Sales
In 2 Sales
July 2
对词的排序时根据字母的顺序完成的。
布尔查询
Word / DocNum 1 2 3 4
Think 1 0 0 0
Thank 1 1 0 1
For 0 1 0 1
Approach 1 0 1 0
其中，前前页存在为1，0为不存在。
如果要找 Think and For，则只需要用1000 and 0101 =》 0000，整个文档没有同时此种存在的情况。
一些概念评价搜索的概念
正确率：返回的结果中真正和信息需求相关的文档所在百分比。
召回率：所有和信息需求真正相关的文档中被检索系统返回的百分比。
一个词条：在文档中出现的字符序列的一个实例。
一个词条：相同词条构成的集合。
词干还原：一个很粗略的去除单词两端词缀的启发式过程，并希望大部分时间它都能达到这个正确目的，这个过程也常常包括去除派送词缀。
词形归并：利用词汇表和词形分析来去除曲折词缀，从而返回词的原形或词典中的词的过程，返回的结果称为词源。
跳表：在链式结构中，设置跳表，可以快速的找到要插入的位置。
目的：可以快速的对数据进行合并。
跳表指针只对and类型的查询有用，而对or类型的查询不起作用。（对于复杂查询产生的中间结果调用hasskip（p）函数则永远返回false）。
跳表的位置一般为P的开方。
