3.ElasticSearch的倒排索引

一. 正向索引

常规的索引建立方式

文档---> 关键词的映射过程（正向索引）

比如: 我有很多个文章，如果想查询其中几个文章是否含有刘耀这个关键词，那么我就需要打开所以文章，找到里面含义刘耀的文章.这就是正向索引

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）。例如“文档1”经过分词，提取了20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。（来自百度）

得到正向索引的结构如下：

“文档1”的ID > 单词1：出现次数，出现位置列表；单词2：出现次数，出现位置列表；…………。

二、倒排索引

倒排方向建立索引

关键词---> 文档的映射

把正向索引的结果重新构造成倒排索引（反向索引）

如图:

图1:

WordID	单词	倒排文档列表(DocId)
1	刘耀	(1,<3,11>),(2,<7>),(3,<9>)
2	Python	(1,<6>), (2,<1>), (3,<3>), (4,<9>)
3	Java	(3,<2>), (5, <6>)
4	go	(3, <1,12>), (3,<3,4>)
5	js	(1, <1,16>), (5, <1>)

图2:

WordID	单词	倒排文档列表(DocId)，TF
1	刘耀	(1,<3,11>,2),(2,<7>),(3,<9>,2)
2	Python	(1,<6>,10), (2,<1>,2), (3,<3>,22), (4,<9>,12)
3	Java	(3,<2>,12), (5, <6>,2)
4	go	(3, <1,12>,2), (3,<3,4>,2)
5	js	(1, <1, 16>,2), (5, <1>,2)

把文档和单词进行组合运算

TF代表频率的意思

把每个出现关键词的文档都记录该文档的ID，<>括号里面的是这个关键词出现的位置,最后一位数字是出现的频率。

当我根据关键词查找 例如查找刘耀，就可以直接搜到对应文档的ID