信息检索之——布尔检索（Boolean Retrieval）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/github_36203129/article/details/85197974

什么是布尔查询？

指的是用逻辑运算符如AND，OR, NOT把查询的词连接起来的查询。

一个例子

查询内容：

莎士比亚的哪部剧本包含Brutus及Caesar但是不包含Calpurnia？

布尔表达式：

Brutus AND Caesar AND NOT Calpurnia

解决方案：

1.暴力法

遍历文本中的单词，找到符合条件的。
缺点：
大型文本这样速度会非常慢，
NOT查询会更慢，需要遍历到文本结束才能确定；

优点：
实现简单；
天然支持文档动态变化，因为不用维护索引之类的东西。

2.倒排记录表

term-document incidence matrix 关联矩阵

查询方法：
给定查询Brutus AND Caesar AND NOT Calpurnia
取出三个词项对应的行向量 ，并对Calpurnia 的行向量求反，最后按位进行与操作

               110100 AND 110111 AND 101111 = 100100.

但是该矩阵高度稀疏（sparse), 占用了很大的空间。
解决办法是只记录1的位置，这种是倒排索引？（为什么叫这个名字？）
倒排记录表按docID排序（more later on why）

索引构建过程：

1. 词条序列：<词条，docID>二元组