倒排索引

一、倒排索引

建立索引时，将文档分词后生成Token，建立Token到文档的映射，表示Token在这些文档里出现过。

Token	文档
token1	doc1、doc2
token2	doc2、doc3
token3	doc2、doc4

查询时，将查询文本分词后生成Token，比如生成了token1、token2和token3，那么文档doc2中含有查询文本的3个分词，而doc1仅含有查询文本的1个分词，因此doc1比doc2相关度高。

二、倒排索引的数据结构

1. 关键词的doc list
2. 关键词在每个doc中出现的次数（TF）
3. 关键词在整个索引中出现的次数（IDF）
4. 关键词在当前doc中出现的次数
5. 每个doc的长度越长，相关度越低
6. 包含整个关键词的所有文档的平均长度