站長之家（Chinaz.com）10月28日消息  今日百度站長平臺Lee發(fā)布文章介紹了搜索引擎索引系統(tǒng)的大概工作流程。主要包括：Query串切詞分詞，查出含每個term的文檔集合，求交，網(wǎng)站過濾，按需進行最終排序。

以下為文章全文：

前面簡要介紹過了搜索引擎的索引系統(tǒng)，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(shù)據(jù)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(tǒng)。

檢索系統(tǒng)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(tǒng)的性能，這里面包含了使用緩存等等手段進行性能優(yōu)化；

（4）各種過濾，舉例可能包含過濾掉死鏈、重復數(shù)據(jù)、xxx、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(wǎng)站的整體評價、網(wǎng)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。

標簽： 搜索引擎檢索 Query 分詞技術 

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。