評論(0

全文搜索引擎

標籤: 暫無標籤

1定義和分類

分類
全文檢索的方法主要分為按字檢索和按詞檢索兩種。
按字檢索是指對於文章中的每一個字都建立索引,檢索時將詞分解為字的組合。對於各種不同的語言而言,字有不同的含義,比如英文中字與詞實際上是合一的,而中文中字與詞有很大分別。
按詞檢索指對文章中的詞,即語義單位建立索引,檢索時按詞檢索,並且可以處理同義項等。英文等西方文字由於按照空白切分詞,因此實現上與按字處理類似,添加同義處理也很容易。中文等東方文字則需要切分字詞,以達到按詞索引的目的,關於這方面的問題,是當前全文檢索技術尤其是中文全文檢索技術中的難點。

2功能和結構

結構
結構上,全文檢索系統核心具有索引引擎、查詢引擎、文本分析引擎、對外介面等等,加上各種外圍應用系統等等共同構成了全文檢索系統。
最常用的全文搜索引擎有百度、谷歌(Google)等。與之相對應的是目錄索引類搜索引擎。

3採用的技術

倒排技術
目前全文搜索引擎通常使用倒排索引技術。倒排索引(英語:Inverted index),也常被稱為反向索引、置入檔案或反向檔案,是一種索引方法,被用來存儲在全文搜索下某個單詞在一個文檔或者一組文檔中的存儲位置的映射。它是文檔檢索系統中最常用的數據結構。
有兩種不同的反向索引形式:
一條記錄的水平反向索引(或者反向檔案索引)包含每個引用單詞的文檔的列表。 一個單詞的水平反向索引(或者完全反向索引)又包含每個單詞在一個文檔中的位置。[1] 後者的形式提供了更多的兼容性(比如短語搜索),但是需要更多的時間和空間來創建。
上一篇[Indexer]    下一篇 [目錄索引]

相關評論

同義詞:暫無同義詞