特殊索引类型

1. 位图索引
   • 也称bitmap索引。该索引主要针对DF（文档频率）非常高的term，比如“的”（如果它不是一个停用词的话）。它用一个位来表示是否在某个文档中出现，因此，对于总文档数为N的索引库，每个term对应的索引大小为N/8。
2. 差分索引
   • 普通索引中，文档ID使用u_int表示。对于索引比较长的term，其连续两个文档ID之间的差通常比较小，因此可以采用记录差值来代替记录ID，并且使用特定的编码（比如huffman编码）使得小数字占用更少的位。以此来减少索引的大小。
3. 压缩索引
   • 压缩索引通常针对于索引较长的term，它将其中次要的一些信息剔除，仅保留文档ID。这些信息可能包括文档相关的、用于过滤或类聚的属性（比如文档签名），这些信息通常可以存放在另外一个单一的结构中，减少信息重复。offset信息也可以被剔除。
   • 截断索引
     • 在使用offset等信息的索引中，索引会比较大，而位图、压缩索引中又丢失了这些信息，因此考虑考虑一个折中，保留一定长度的记录了这些信息的索引。保留的原则是选择当前可决定的权值较高的文档（比如TF较大）。这种索引称为截断索引。
   • 预索引
     • 对于一些静态数据的检索系统，可以将检索高频词预先检索一遍，得到结果并存储为新的索引文件，称为预索引。查询时如果命中，可以直接读取预索引的数据。这种索引从本质上将相当于基于硬盘的cache。