倒排索引

一、倒排索引

建立索引時，將文檔分詞后生成Token，建立Token到文檔的映射，表示Token在這些文檔里出現過。

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

查詢時，將查詢文本分詞后生成Token，比如生成了token1、token2和token3，那么文檔doc2中含有查詢文本的3個分詞，而doc1僅含有查詢文本的1個分詞，因此doc1比doc2相關度高。

二、倒排索引的數據結構

1. 關鍵詞的doc list
2. 關鍵詞在每個doc中出現的次數（TF）
3. 關鍵詞在整個索引中出現的次數（IDF）
4. 關鍵詞在當前doc中出現的次數
5. 每個doc的長度越長，相關度越低
6. 包含整個關鍵詞的所有文檔的平均長度