计算机情报检索系统自动索引与文档组织.pptVIP

搜索引擎数据库的倒排文档 倒排索引的生成过程如图： 倒排文档的存储结构，直接决定了搜索引擎系统的检索速度，并且在一定程度上也影响到检索结果的准确度。 网络上的网页繁多，更新迅速，而且信息冗余量大。对数据存储方式的改进也正是根据这些特点 搜索引擎数据库的倒排文档 倒排文档的更新 增加、删除和索引库的整理。 增加时直接放在原有索引库相应位置的后面，如遇空间不够，则需开辟新的存储区域，并建立指针指向新块供检索。 删除时不能直接从库中清除，要先在索引信息前面加删除标志，检索时跳过。后期，定期对索引库进行整理。 整理时是将被删信息真正清除出去，把库的信息前移，覆盖被删信息，使库体积缩小。 倒排文件的主要优缺点 倒排文件的主要优点是：检索记录较快，在处理复杂的多关键字查询时，可在倒排表中确定记录是哪个或哪些，继而直接读取之； 倒排文件的缺点是维护困难：在同一倒排表中，不同关键字的记录数不同，各倒排表的长度也不等。 本章小结 理解文档的基本概念。 掌握各种文件的结构，包括顺序文档、索引文档、索引倒排文档等。 理解自动索引的原理。 掌握倒排文档在数据库、网络信息检索中的应用。 PS：自动抽词、自动索引、自动检索、自动文摘、自动分类、自动翻译 * * * 计算机情报检索系统 第三章 自动索引与文档组织 Speaker: 孙丹霞