倒排索引原理，即为什么叫倒排索引

倒排索引的英文原名是Inverted index，大概因为Invert有颠倒的意思，所以就被翻译成了倒排，然后我们就会在字面上出现误解：理解为从A-Z颠倒成Z-A。其实它并不是字面上的意思。

倒排索引源于实际应用中需要根据属性的值来查找记录，也就是说，不是由记录来确定属性值，而是由属性值来确定记录，因而称为倒排索引，

建立全文索引中有两项非常重要，一个是如何对文本进行分词，一是建立索引的数据结构。分词的方法基本上是二元分词法、最大匹配法和统计方法。索引的数据结构基本上采用倒排索引的结构，lucene就是基于倒排索引来实现的。其索引表中的每一项都包括一个属性值和具有该属性值的各记录id或地址。

带有倒排索引的文件我们称为倒排索引文件，简称倒排文件(inverted file)。

倒排索引一般表示为一个三元组：关键词、词频（出现的次数）、id或位置（出现在哪篇文章或网页中，及有关的日期，作者等信息）。它相当于为所有文档或者互联网上几千亿页网页做了一个索引。可以理解为打标签，所以我们只需根据标签就能快速匹配到对应文档或网页。

一个未经处理的数据库中，一般是以文档ID作为索引，以文档内容作为记录。

而Inverted index 是将单词作为索引，将文档ID作为记录，这样便可以方便地通过单词或记录查找到其所在的文档。

步骤1）读取一整条句子到变量str中

步骤2）从句子的尾端读取1个字到变量word（单词）中

步骤3）在字典查找word中保存的单词。如果不存在则保存word并转到步骤4，否则转到步骤5

步骤4）如果是字典中最大单词或者超过最大单词数（认定为新词），从句尾去掉该单词，返回步骤2

步骤5）继续读取前一个字到word中，转到步骤3

 

 

内存中单词采用层次结构保存。假设字典中有如下的单词：中国 中华民国 国家 人民 民主

在内存中按照如下方式按层排列，其中每一个方块代表一个字，箭头所指向为该单词的前一个字

举例说明：假如现有三份数据文档，文档的内容如下分别是：

doc1：Java is the best programming language.

doc2：PHP is the best programming language.

doc3：Javascript is the best programming language.

创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档

再将上面的内容转换为图的形式来说明倒排索引的结构信息：

 

Lucene倒排索引原理见： https://blog.csdn.net/Trisyp/article/details/108099087