跳表指针短语查询.ppt

第2讲 词汇表和倒排记录表 The term vocabulary and postings lists;提纲;提纲;上一讲回顾;*;*;*;查询优化;更通用的优化策略;*;*;本讲的内容;提纲;Tokenizer;文档分析;多格式/语言并存;提纲;TOKENS AND TERMS;词条化(Tokenization);词条化;词条化中数字的处理;语言问题：法语和德语;语言问题：中文和日文;中文分词(Chinese Word Segmentation);中文分词和检索;语言问题：阿拉伯文;停用词;词条归一化(Normalization)成词项;归一化中的语言问题;归一化中的语言问题;提纲;大小写问题;归一化成词项;同义词词典(Thesauri)及soundex方法;词形归并(Lemmatization);词干还原（Stemming）;Porter算法;Porter中的典型规则;Martin Porter;其他词干还原工具(stemmer);语言特性;词典入口示意图;提纲;FASTER POSTINGS MERGES:SKIP POINTERS/SKIP LISTS;基本合并算法的回顾;索引构建时为倒排记录表增加跳表指针;基于跳表指针的查询处理;跳表指针的位置;跳表指针的位置;???纲;PHRASE QUERIES AND POSITIONAL INDEXES;短语查询;第一种做法: 双词(Biword)索引;更长的短语查询处理;扩展的双词（Extended Biword）;关于双词索引;第二种解决方法: 带位置信息索引(Positional indexes);位置索引的例子;短语查询的处理;邻近式查询(Proximity query);位置索引的大小;位置索引的大小;一些经验规律;混合索引;本讲小结;参考资料;课后练习