索引

搜索引擎以網(wǎng)頁中的詞語為關(guān)鍵詞，建立的便于查詢的有序文件條目存儲于搜索引掌索引庫中，索引通常分為正排索引和倒排索引兩種。

正排索引是搜索引擎將抓取的網(wǎng)頁經(jīng)過分詞、去噪等操作后以網(wǎng)頁文件為單位，對網(wǎng)頁文件中關(guān)鍵詞的映射。簡單地說就是，正排索引是將網(wǎng)頁文件的各個關(guān)鍵詞信息存為一個項(xiàng)，包括關(guān)鍵詞的次數(shù)、頻率、加粗加黑、出現(xiàn)的位置等信息，并按照重要程度對關(guān)鍵詞進(jìn)行有序排列。為搜索引擎索引庫正排索引的簡化表，其中每個網(wǎng)頁的所有關(guān)鍵詞都進(jìn)行了排序，更重要的關(guān)鍵詞被排在更靠前的位置。需要注意的是網(wǎng)頁文件和關(guān)鍵詞都有各自的編號，在檢索時速度就更快，這與倒排索引中是相同的。

倒排索引是搜索引擎以關(guān)鍵詞為單位對不同網(wǎng)頁文件的映射。也就是搜索引擎以關(guān)鍵詞為條目名，內(nèi)容是含有相同關(guān)鍵詞的網(wǎng)頁文件排序，用戶常用的關(guān)鍵詞搜索就是調(diào)用倒排索引。因?yàn)檎�排索引并不能直接獲得搜索結(jié)果排名，所以倒排索引是對正排索引的補(bǔ)充也是用戶搜索調(diào)用的關(guān)鍵索引。當(dāng)用戶搜索某個具體關(guān)鍵詞時，如“SEO”，搜索引擎調(diào)用以“SEO”為條目名的索引項(xiàng)，然后將其中按相關(guān)度排列的網(wǎng)頁文件經(jīng)過處理的結(jié)果返回給查詢用戶。

所示為搜索引擎索引庫倒排索引的簡化表，從中可以看到每個關(guān)鍵詞對應(yīng)了很多含有這個關(guān)鍵詞的網(wǎng)頁，這些網(wǎng)頁都是經(jīng)過排序的，極大地提高了搜索引擎搜索引擎索引庫是整個搜索過程的基礎(chǔ)，沒有索引搜索引擎很難查找到相應(yīng)的內(nèi)容。

倒排索引則更好地降低了關(guān)鍵詞搜索網(wǎng)頁的難度，使搜索引擎返回結(jié)果的速度大大提升。