基于给定的文档生成倒排索引.pdfVIP

第二十六章：基于给定的文档生成倒排索引的编码与实践 作者：July、yansha。 出处：结构之法算法之道 引言 本周实现倒排索引。实现过程中，寻找资料，结果发现找份资料诸多不易：1、网上搜倒排索引实现，结果千篇一 律，例子都是那几个同样的单词；2、到谷歌学术上想找点稍微有价值水平的资料，结果下篇论文还收费或者要求注册之 类；3、大部分技术书籍只有理论，没有实践。于是，朋友戏 ：网上一般有价值的东西不多。希望，本blog的出现能改 变此现状。 在第二十四章、倒排索引关键词不重复Hash编码中，我们针对一个给定的倒排索引文件，提取出其中的关键词，然 后针对这些关键词进行Hash不重复编码。本章，咱们再倒退一步，即给定一个正排文档（暂略过文本解析，分词等步 骤，日后会慢慢考虑这些且一并予以实现），要求生成对应的倒排索引文件。同时，本章还是基于Hash索引之上 （运用 暴雪的Hash函数可以比较完美的解决大数据量下的冲突问题），日后自会实现B+树索引。 与此同时，本编程艺术系列逐步从为面试服务而转到实战性的编程当中了，教初学者如何编程，如何运用高效的算 法解决实际应用中的编程问题，将逐步成为本编程艺术系列的主旨之一。 OK，接下来，咱们针对给定的正排文档一步一步来生成倒排索引文件，有任何问题，欢迎随时不吝赐教或批