前面簡(jiǎn)要介紹過(guò)了搜索引擎的索引系統(tǒng)，實(shí)際上在建立倒排索引的最后還需要有一個(gè)入庫(kù)寫(xiě)庫(kù)的過(guò)程，而為了提高效率這個(gè)過(guò)程還需要將全部term以及偏移量保存在文件頭部，并且對(duì)數(shù)據(jù)進(jìn)行壓縮，這涉及到的過(guò)于技術(shù)化在此就不多提了。今天簡(jiǎn)要給大家介紹一下索引之后的檢索系統(tǒng)。

檢索系統(tǒng)主要包含了五個(gè)部分，如下圖所示：

（1）Query串切詞分詞即將用戶的查詢?cè)~進(jìn)行分詞，對(duì)之后的查詢做準(zhǔn)備，以“10號(hào)線地鐵故障”為例，可能的分詞如下（同義詞問(wèn)題暫時(shí)略過(guò)）：

10 0x123abc

號(hào) 0x13445d

線 0x234d

地鐵 0x145cf

故障 0x354df

（2）查出含每個(gè)term的文檔集合，即找出待選集合，如下：

0x123abc 1 2 3 4 7 9…..

0x13445d 2 5 8 9 10 11……

……

……

（3）求交，上述求交，文檔2和文檔9可能是我們需要找的，整個(gè)求交過(guò)程實(shí)際上關(guān)系著整個(gè)系統(tǒng)的性能，這里面包含了使用緩存等等手段進(jìn)行性能優(yōu)化；

（4）各種過(guò)濾，舉例可能包含過(guò)濾掉死鏈、重復(fù)數(shù)據(jù)、色情、垃圾結(jié)果以及你懂的；

（5）最終排序，將最能滿足用戶需求的結(jié)果排序在最前，可能包括的有用信息如：網(wǎng)站的整體評(píng)價(jià)、網(wǎng)頁(yè)質(zhì)量、內(nèi)容質(zhì)量、資源質(zhì)量、匹配程度、分散度、時(shí)效性等等，之后會(huì)詳細(xì)給大家介紹。

轉(zhuǎn)載請(qǐng)保留原文地址: http://dchs1688.cn/show-542.html