全文檢索中索引算法的優(yōu)化研究.pdf

1、21世紀(jì)以來(lái),伴隨著信息化產(chǎn)業(yè)的迅速發(fā)展,越來(lái)越多的企業(yè)內(nèi)部信息以數(shù)字化方式來(lái)存儲(chǔ),如何從海量的信息中準(zhǔn)確檢索到所需信息,成為一個(gè)值得研究的問(wèn)題。目前,絕大多數(shù)信息檢索系統(tǒng)采用全文檢索模型,其中索引技術(shù)是全文檢索模型的核心組成部分,它的結(jié)構(gòu)設(shè)計(jì)、存儲(chǔ)方法以及動(dòng)態(tài)更新算法直接影響著全文檢索系統(tǒng)的性能。所以,對(duì)全文檢索系統(tǒng)中的索引算法進(jìn)行優(yōu)化具有十分重要的意義。
　　本文首先分析了全文檢索模型的系統(tǒng)結(jié)構(gòu)、工作流程,以及關(guān)鍵技術(shù):文檔存

2、儲(chǔ)、分詞技術(shù)、檢索模型、索引組織;研究了傳統(tǒng)的倒排索引的工作原理與方法,包括倒排索引的索引創(chuàng)建、索引存儲(chǔ)、索引更新、索引刪除、索引查詢。
　　基于上述研究分析,設(shè)計(jì)了一種分詞處理技術(shù),該技術(shù)通過(guò)引入冗余度和權(quán)重,提高分詞處理的準(zhǔn)確性和效率;分析了一種基于 B-樹的倒排索引結(jié)構(gòu),該結(jié)構(gòu)由主索引、段索引、刪除索引和詞典庫(kù)四大部分組成;設(shè)計(jì)了一種索引合并更新方法,加快了索引更新速度;設(shè)計(jì)了一種新型索引項(xiàng),該索引項(xiàng)由詞信息和位置信息組成,