内容简介：jsearch的索引文件结构
jsearch 是一个高性能的全文检索 工具 包，基于倒排索引，基于 java 8，类似于lucene，但更轻量级。
jsearch的索引文件结构定义如下：
ID
第二部分是词频 第三部分是词的位置 4 、词的位置用 : 分割:
shingles=31=47466_1_2|1_1_6|1_1_1|2_1_5|67_1_1|903_1_3|17_1_5|1_3_4:6:11
表示词 shingles 的索引： 词：shingles
有 31 个文档包含 shingles 这个词 包含这个词的第一篇文档的 ID 是 47466 ， shingles 的词频是 1 ，出现 shingles 的位置是2
文档内容为：A better solution is to use shingles, which are compound tokens created
from multiple adjacent tokens.
对文档内容进行分词并移除停用词之后的结果为： [solution, shingles, compound, tokens, created, multiple, adjacent, tokens]6
文档内容为：Lucene has a sandbox module that simplifies adding shingles to your index,
described in section 8.3.2
对文档内容进行分词并移除停用词之后的结果为： [lucene, sandbox, module, simplifies, adding, shingles, index, section]11
文档内容为：For example the sentence “please divide this sentence into shingles”
might be tokenized into the shingles “please divide”, “divide this”,
“this sentence”, “sentence into” and “into shingles”
对文档内容进行分词并移除停用词之后的结果为： [sentence, divide, sentence, shingles, tokenized, shingles, divide, divide, sentence, sentence, shingles]这里需要注意的是位置不是和原文一一对应的，而是和去除停用词后的位置一一对应的 停用词的定义看 这里的链接 ， 分词使用 word分词 提供的 针对纯英文文本的分词器
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- MySQL 索引的原理与应用：索引类型，存储结构与锁
- 数据库索引背后的数据结构
- 深入理解 MySQL 索引底层数据结构
- 深入理解 MySQL 索引底层数据结构
- Mysql InnoDB引擎的索引和存储结构
- MySQL索引背后的数据结构及算法原理
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
世界是平的（3.0版）
[美] 托马斯·弗里德曼 / 何帆、肖莹莹、郝正非 / 湖南科学技术出版社 / 2008-9 / 58.00元
世界变得平坦，是不是迫使我们跑得更快才能拥有一席之地？ 在《世界是平的》中，托马斯·弗里德曼描述了当代世界发生的重大变化。科技和通信领域如闪电般迅速的进步，使全世界的人们可以空前地彼此接近——在印度和中国创造爆炸式增长的财富；挑战我们中的一些人，比他们更快占领地盘。3.0版新增两章，更新了报告和注释方面的内容，这些内容均采自作者考察世界各地特别是整个美国中心地带的见闻，在美国本土，世界的平坦......一起来看看 《世界是平的（3.0版）》 这本书的介绍吧!
