提高磁碟利用率
提高記憶體快取利用率
提高磁碟到記憶體的傳輸率
筆者認為詞典壓縮演算法對中文搜尋來說意義不大。之所以要壓縮詞典，主要是因為heaps定律指出，隨著文件數目的增加，詞彙表會持續增長而不會穩定到乙個最大值。而中文分詞與英文分詞的不同在於中文分詞是基於詞典的，詞彙主要**於詞典，因此除非有新詞挖掘演算法不斷擴充詞典，否則索引中的中文詞項覆蓋了整個詞典之後，就不會再增長了。
將詞典看成單一字串，每個詞結尾處儲存指向下乙個詞的指標。
按塊儲存
前端編碼(公共字首)
完美雜湊(無法動態更新)
delta編碼
可變位元組碼
基於位編碼(γ編碼)
倒排索引 和 倒排表
為什麼我們要說倒排索引呢?因為倒排索引是目前 搜尋引擎公司最對搜尋引擎最常用的儲存方式.也是搜尋引擎的核心內容 在搜尋引擎實際的引用之中,有時需要按照關鍵字的某些值查詢記錄,所以我們是按照關鍵字建立索引,這個索引我們就稱之為 倒排索引,而帶有倒排索引的檔案我們又稱作 倒排索引檔案也可以叫它為 倒排檔...
倒排索引 Inverted Index
倒排索引 英語 inverted index 也常被稱為反向索引 置入檔案或反向檔案，是一種索引方法，被用來儲存在全文搜尋下某個單詞在乙個文件或者一組文件中的儲存位置的對映。它是文件檢索系統中最常用的資料結構。有兩種不同的反向索引形式 以英文為例，下面是要被索引的文字 我們就能得到下面的反向檔案索引...
1 倒排索引
總時間限制 1000ms 記憶體限制 131072kb 描述 給定一些文件，要求求出某些單詞的倒排表。對於乙個單詞，它的倒排表的內容為出現這個單詞的文件編號。輸入第一行包含乙個數n，1 n 1000，表示文件數。接下來n行，每行第乙個數c i，表示第i個文件的單詞數。接下來跟著c i個用空格隔開的單...