Lec.04-索引压缩.pdf

文档介绍：TOC
❖ 为什么要压缩索引？
❖ 词典压缩
❖ 倒排列表压缩
❖ ⽂档编号重排序
信息检索与搜索引擎 陈若愚 ❖ 静态索引裁剪
计算机学院
索引压缩 北京信息科技⼤学
1 2
为什么要压缩索引 如何压缩索引
❖ 海量⽹页数据的倒排索引会占据很⼤的磁盘空间
❖ 倒排索引包含两个构成部分：单词词典和倒排列表
❖ 常见单词其倒排列表可能有数百兆⼤⼩
❖ 针对索引的压缩算法，也分为针对词典的压缩和针对倒排
❖ ⽤户查询时需要将倒排列表载⼊内存，磁盘读写速度会
列表的压缩
影响系统响应时间
❖ 对倒排列表的压缩，又可以细分为⽆损压缩和有损压缩两
❖ 索引压缩可以有效减少数据量
种
❖ 减少索引占⽤的磁盘空间
❖ ⽆损压缩：将数据量减少，但不损失信息
❖ 减少磁盘读/写数据量
❖ 有损压缩：损失部分⾮关键信息，获取更⾼数据压缩率
3 4
补充：数据 信息 知识

姓名：陈浩男 年龄： 性别：男
时间：2006年6⽉8⽇13点20分 腋下体温：⽒度 “存得起來的，就是数据；看得懂的，叫
做信息；⽤得出來的，才能称为知识”
正常⼩⼉℃~℃。⼀般当体温超过基础
体温1℃以上时，可认为发热。其中，低热是指体温波动于38
℃左右，⾼热时体温在39℃以上。上述基础体温是指的直肠
温度，即从肛门所测得，⼀般⼜℃~℃，
腋下温度又较⼜℃~℃。⼜腔测
得,~,刚刚有⼀点点低烧。
5 6