信息检索-05索引及查找.pdf

第5章索引与查找 主讲：张春元（信息学院213室） 联系电话 课程邮箱：haidair2009@126.com 密码：ir2009 提纲 5.1引言 5.1引言 5.2基于索引的查找 5.2基于索引的查找 5.2.1倒排索引 5.2.1倒排索引 5.2.2后缀树和后缀数组 5.2.2后缀树和后缀数组 5.2.3签名文件 5.2.3签名文件 5.3基于文本的查找 5.3基于文本的查找 5.3.1布鲁特－福斯算法（Brute-Force） 5.3.1布鲁特－福斯算法（Brute-Force） 5.3.2克鲁什－莫里斯－普拉特算法（Knuth-Morris-Pratt） 5.3.2克鲁什－莫里斯－普拉特算法（Knuth-Morris-Pratt） 5.3.3博叶-摩尔系列算法（Boyer-Moore） 5.3.3博叶-摩尔系列算法（Boyer-Moore） 5.3.4复杂模式匹配 5.3.4复杂模式匹配 海南大学信息学院张春元主讲2009秋季 -2- 5.1引言 文档集组织结构 文档集组织结构 文本集的两种主要查找方式 文本集的两种主要查找方式 索引的定义 索引的定义 索引和查找的关系 索引和查找的关系 查找和查询的区别 查找和查询的区别 海南大学信息学院张春元主讲2009秋季 -3- 5.1引言 文档集组织结构 文档集组织结构 流式结构：是最简单的文档集组织结构，文本在文档集 流式结构：是最简单的文档集组织结构，文本在文档集 中可随意放置，没有特定的次序。当有新文本插入到文 中可随意放置，没有特定的次序。当有新文本插入到文 本集中时，通常将新文本增加到文本集中最末位置，这 本集中时，通常将新文本增加到文本集中最末位置，这 样无需改变文本集中现有各文本的次序。 样无需改变文本集中现有各文本的次序。 顺序结构：文本集中各文本按照某一属性排序组织，能 顺序结构：文本集中各文本按照某一属性排序组织，能 在一定程度上加快文本的查找速度，但是在文本集的建 在一定程度上加快文本的查找速度，但是在文本集的建 立与维护上要花费一定的开销。 立与维护上要花费一定的开销。 海南大学信息学院张春元主讲2009秋季 -4- 5.1引言 文本集的两种主要查找方式 文本集的两种主要查找方式 基于文本的查找：适合于文本库的规模比较小、变化 基于文本的查找：适合于文本库的规模比较小、变化 频繁、对实时性要求比较高的场合。在这种情况下， 频繁、对实时性要求比较高的场合。在这种情况下， 不需要对文本进行分词、索引等预处理，一般是直接 不需要对文本进行分词、索引等预处理，一般是直接 对文本进行查找。 对文本进行查找。 基于索引的查找：当文本规模进一步扩大时，基于文 基于索引的查找：当文本规模进一步扩大时，基于文 本的查找时间就会变得不可忍受，这时需要对文本库 本的查找时间就会变得不可忍受，这时需要对文本库 建立索引，以减少查找的时间。对于大规模、稳定的 建立索引，以减少查找的时间。对于大规模、稳定的 或周期性变化的文本文档库（集），建立和维护索引 或周期性变化的文本文档库（集），建立和维护索引 是十分有价值的，并且这也是提高查找速度的唯一途 是十分有价值的，并且这也是提高查找速度的唯一途 径。 径。 海南大学信息学院张春元主讲2009秋季 -5- 5.1引言 索引的定义 索引的定义 海南大学信息学院张春元主讲2009秋季 -6- 5.1引言 索引的定义 索引的定义 索引（I