search - 如何在倒排索引结构中搜索短语查询？

Question

如果我们想在倒排索引结构中搜索像“t1 t2 t3”(t1,t2,t3 必须排队)这样的查询，
我们应该怎么做？

1-首先我们搜索 "t1"词并找到所有包含 "t1"的文档，然后对 "t2"和 "t3"进行这项工作。然后找到“t1”、“t2”和“t3”位置相邻的文档。

2-首先我们搜索“t1”词并找到包含“t1”的所有文档，然后在我们找到的所有文档中搜索“t2”，接下来，在此结果中，我们找到包含“t3”的文档”。

我有一个完整的倒排索引。我想知道上面优化了哪些方法，(1)还是(2)？

多谢。

Answer 1

如wikipedia入口很好地解释了，

There are two main variants of inverted indexes: A record level inverted index (or inverted file index or just inverted file) contains a list of references to documents for each word. A word level inverted index (or full inverted index or inverted list) additionally contains the positions of each word within a document. The latter form offers more functionality (like phrase searches), but needs more time and space to be created.

由于您没有告诉我们您拥有哪种变体，我们无法真正准确地回答您的问题，但考虑每种可能性会有所帮助。

打开和搜索文档通常是一项代价高昂的操作，除非您的文档异常小，因此您希望将其最小化——而选项 (2) 并没有真正将其最小化。如果您有 倒排列表 , 使用选项 (1) 您甚至不需要打开任何文档；如果您只有 倒置文件 ，您将不可避免地需要打开文档并扫描它们(因为否则您将缺乏确认单词相邻性的信息)——但至少使用选项 (1) 可以最大限度地减少您必须打开和扫描的文档数量(仅在包含每个单词的文档列表的交集)。

因此，无论哪种情况，选项 (1) 都更有希望(除非您的文档特别小)。