Iveely搜索引擎二三題，用你的智慧來解決吧！

      今天晚上整理了兩道比較簡單關於搜索引擎的題目，所有題均是Iveely搜索引擎中遇到的，與大家分享你的智慧吧！都不難，但是希望能夠找到一種最佳的解決辦法。

問題一： 

     背景介紹：

     在用戶搜索的過程中，我們會將用戶的關鍵字進行切分后，然后進行匹配。例如：用戶輸入“程序人生”，分詞后會得到"程序"、“人生”，我們已經可以通過時間復雜度為0(1)的方式提取出“程序”對應的網頁集合(9.00235,123.00691,96.00035...),以及"人生"對應的網頁集合(6.00025,123.00128,95.00245...),其中  整數部分是網頁編號，小數部分是該關鍵字在該網頁下的實際權值（價值），下一步，我們將合並“程序”，“人生”的網頁集合，然后反饋給用戶。

      問題產生：

     在合並的過程中，可能會遇到相同的網頁，那么遇到相同網頁的時候，我們將小數部分相加，整數部分不變，若小數部分累加后大於1則，全體集合中的小數 部分乘以0.1，然后繼續累加。

      需解決的問題：

     請設計一個數據結構，能夠在盡可能廉價的時間復雜度和空間復雜度下解決上面問題。

    

問題二： 

     背景介紹：

     搜索引擎中，每一個關鍵字都對應了無數張網頁，每一張網頁都對應着若干的關鍵字，搜索引擎在獲取到關鍵字后，一定要在盡可能快的時間內獲取出擁有該 關鍵字的網頁集合，目前最常用的做法是倒排序，然而倒排序文件中，雖然能夠很快的提取出網頁的關鍵字，但是網頁的權重卻不定相同。也就是到排文件的結構是無序的。

     

 

      下面我們把問題抽象為北京地鐵站信息，每一個站點都是關鍵字，每一條線路都是網頁。每一個站點被多條線路包含(每一個關鍵字被若干網頁包含)，每一 條線路包含多個站點(每一張網頁包含多個關鍵字)。

      問題的產生： 

      倒排文件已經讓我們可以很快的提取出站點對應的線路，但是遺憾的是，例如：用戶搜索西直門，那么將返回地鐵2號線，地鐵4號線以及地鐵13號線。然而，地鐵4號線和地鐵2號線又有另外一個交集站點：宣武門。我們為什么需要知道宣武門呢？因為在Iveely的設計當中，認為：當搜索結果中的交集 站點越集中，當達到一個程度時，這個站點也可能是用戶比較感興趣的站點（數學證明：略），例如上圖中，若用戶換乘地鐵時，可能是想在西直門換乘地鐵，如果結果中的地鐵線路集合中包含宣武門的也很多，那么我們假設宣武門也可以是一個很好的換乘地鐵方案。

      需要解決的問題：

      請設計一種數據結構，在盡可能廉價的時間復雜度和空間復雜度下，計算出，搜索結果中包含相同站點的排序集合(按照出現的結果中包含的次數)。最簡單的例如：輸入西直門，可以返回推薦宣武門，如果還有包含的站點依次按照出現次數列出。

      以上題目是我自己擬出來的，是我在開源Iveely過程中遇到的問題，我想這是比較有意義的題目，因為不僅僅是我們的思維，還有我們code技術，當然最重要的是我們的數學，陸續我也會將其它類似的問題發出來，讓大家一起探討，學習，歡迎您對Iveely搜索引擎的關注，如果您有什么好的意見或建議，可以郵件[e-mail] 或微薄聯系我。