第三讲：索引与查询处理(5章).ppt

一、引言 检索速度 每天全世界输入超过5亿个查询，而互联网有几十亿网页 高效的查询处理，对于网络搜索特别重要！ 高效检索的基础 大多数检索计算都与数据结构有关，优秀的算法都有好的数据结构 例：处理项目列表应当采用链表，根据属性查找项目可采用哈希表，一些复杂搜索(如人名)需采用B+树，。。。 搜索引擎的基石 文本搜索与传统的计算任务有很大不同，需采用特殊数据结构 倒排索引是一种特殊数据结构，能很好地服务于相关排序函数 倒排索引是所有现代网络搜索引擎的核心 检索模型（第7章） 查询处理算法依赖于：检索模型、以及指定索引的内容 (相关)排序模型又依赖于索引的选择 搜索引擎各独立部分之间有很强的依赖关系！ 二、相关排序模型2.1 抽象的相关排序模型 ‘抽象的’相关排序模型示例（图5-1） 文档，通过转换(4章)抽取出文档特征(主题特征和质量特征) ‘查询输入’和’文档特征’经查询处理后，得到文档的分数(排序依据) 重要现象：大多数排序函数都只用到文档中少量特征！（?） 使 得：倒排索引成为搜索中一个引人注目的数据结构! 人工排序时： 可以分成 好,中,差几类 可以仔细地看看 每个文档的内容 但智能化花精力 搜索引擎： 确定好的特征 基于特征的排序 2.2 一种‘具体的’相关排序模型 相关排序函数R的形式: (7章将详细讨论) (fi,gi都是数字特征函数，为各种特