[lucene]倒排笔记

lucene的倒排算法相关笔记：

·计算文章中关键字出现的位置以及出现频率，以便于精准定位。

·百度的定义：用记录的非主属性查找记录而组织的文件，叫倒排文件，或者 倒排索引，次索引

·lucene不使用B树，按照字母排序，所以使用二分法快速定位，效率高。

·lucene 有字典文件，频率文件，位置文件，其中字典文件保存有指向频率文件和位置文件的指针，可以以此找到频率信息和坐标信息。

·索引结构：

【关键字】 【文章号】/【出现频率】 【出现位置】

 

出现频率即出现次数；

出现位置从1开始计数，是当前文章的所有关键字的顺序计数的数字，出现多次以此排列展示位置，如 1,3,7 多个文件也一样，如第一个文章中出现2次分别 2,4，第二篇文章出现1次 2，则位置为：2,2,4。以此排列。

 

索引文件采用压缩，压缩格式 <前缀长度，后缀> ，前一个是 阿拉伯，后一个是阿拉伯语，压缩后后面一个是 <3,语>

数字压缩仅记录与前面数字的差值。

 

仅此简单记录一下。