胡晓光信息检索实验室.pptxVIP

会计学1胡晓光信息检索实验室 提纲顺序查找索引查找签名文件倒排文件PAT树（Patricia tree）关于压缩第1页/共26页 说明索引和查找的关系索引和查找其实是密不可分的建索引时必须不断的执行查找操作查找和查询的区别查找（search）如何在索引中定位关键词信息查询（query） Query处理：如何根据用户输入确定关键词检索模型：如何利用查找返回的信息计算相似度等文本压缩和索引压缩的区别注意文本压缩不能有效地减少索引文件的大小第2页/共26页 顺序查找精确匹配算法Brute ForceKnuth-Morris-PrattBoyer-MooreShift-OrSuffix Automaton容错匹配算法Dynamic ProgrammingNon-deterministic Finite AutomatonBit-Parallelism正则表达式和扩展模式第3页/共26页 索引索引文件为方便查找，描述原文件信息组织的文件签名文件，倒排文档，后缀树都是索引文件第4页/共26页 签名文件Karp-Rabin匹配思想假设我们现在要判断字符串A和字符串B是否匹配把A和B分别散列成数字hash (A)和hash (B)如果hash (A) != hash (B) 则A != B然而hash (A) = hash (B) 不能说明 A ＝B Karp-Rabin匹配例子关键词 x[0..