10月21日，百度lee扼要先容瞭搜刮引擎索引體系概述，重要講的就是搜刮引擎的倒排索引，照樣先來百科一下：query，是查詢的意義，為瞭在數據庫中探求某一特定文件、網站、記載或一系列記載，由搜刮引擎或數據庫送出的新聞;term是單詞文本，即癥結詞。

　　本日，百度lee頒佈瞭搜刮引擎索引體系概述第二部門，以下是原文：

　　現實上在樹立倒排索引的末瞭還須要有一個入庫寫庫的進程，而為瞭進步效力這個進程還須要將全體term和偏移量保留在文件頭部，而且對數據舉行緊縮，這觸及到的過於技巧化在此就未幾提瞭。本日扼要給人人先容一下索引以後的檢索體系。

　　檢索體系重要包括瞭五個部門，以下圖所示：

　　(1)query串切詞分詞馬上用戶的查詢詞舉行分詞，對以後的查詢做預備，以10號線地鐵妨礙為例，大概的分詞以下(同義詞題目臨時略過)：

　　10 0x123abc

　　號 0x13445d

　　線 0x234d

　　地鐵 0x145cf

　　妨礙 0x354df

　　(2)查出含每一個term的文檔聚集，即找出待全集合，以下：

　　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大概是我們須要找的，全部求交進程現實上幹系著全部體系的機能，這內裡包括瞭應用緩存等等手腕舉行機能優化;

　　(4)各類過濾，舉例大概包括過濾失落逝世鏈、反復數據、色情、渣滓成果和你懂的;

　　(5)終極排序，將最能知足用戶需求的成果排序在最前，大概包含的有效信息如：網站的團體評價、網頁質量、內容質量、資本質量、婚配水平、疏散度、時效性等等，以後會具體給人人先容。

　　好瞭，上面的的人人大概沒有太懂，接下來給人人來說明一下：

　　前面(1)就是搜刮引擎將提取文中癥結詞，按分詞法式分別好的詞，同時記載每一個詞在頁面中湧現的頻次、湧現的次數、格局(如加粗、傾斜、黑體、h標簽、加色彩、錨筆墨等)、地位。然後把這些詞語記載為串癥結詞聚集，那末這些詞的相幹信息如格局、權重等也會記載在案。現實在搜刮引擎中每一個癥結詞也被轉換為id情勢記載，然後每一個文件id對應一串癥結詞id。這類每一個文件id對應一個串癥結詞id如許的數據構造被稱之為正向索引。好比文件1對應1、2這二個癥結詞，文件2對應1、3這二個癥結詞。

　　而(2)就是將每串癥結詞id對應文件id，好比癥結詞2對應文件1、3，如斯一來大大收縮搜刮引擎掃描索引庫中的文件，收縮掃描時光。晉升搜刮引擎的效力。