前面簡要介紹過了搜索引擎的索引系統，實際上在建立倒排索引的最后還需要有一個入庫寫庫的過程，而為了提高效率這個過程還需要將全部term以及偏移量保存在文件頭部，并且對數據進行壓縮，這涉及到的過于技術化在此就不多提了。今天簡要給大家介紹一下索引之后的檢索系統。

檢索系統主要包含了五個部分，如下圖所示：

（1）Query串切詞分詞即將用戶的查詢詞進行分詞，對之后的查詢做準備，以“10號線地鐵故障”為例，可能的分詞如下（同義詞問題暫時略過）：

10 0x123abc

號 0x13445d

線 0x234d

地鐵 0x145cf

故障 0x354df

（2）查出含每個term的文檔集合，即找出待選集合，如下：

0x123abc 1 2 3 4 7 9…..

0x13445d 2 5 8 9 10 11……

……

……

（3）求交，上述求交，文檔2和文檔9可能是我們需要找的，整個求交過程實際上關系著整個系統的性能，這里面包含了使用緩存等等手段進行性能優化；

（4）各種過濾，舉例可能包含過濾掉死鏈、重復數據、色情、垃圾結果以及你懂的；

（5）最終排序，將最能滿足用戶需求的結果排序在最前，可能包括的有用信息如：網站的整體評價、網頁質量、內容質量、資源質量、匹配程度、分散度、時效性等等，之后會詳細給大家介紹。

轉載請保留原文地址: http://htdxkj.cn/show-542.html