什么是全文索引

Question

什么是全文索引？请举例说明

Answer 1

http://baike.baidu.com/view/62889.htm

Answer 2

全文索引技术是目前搜索引擎的关键技术。
　　试想在1M大小的文件中搜索一个词，可能需要几秒，在100M的文件中可能需要几十秒，如果在更大的文件中搜索那么就需要更大的系统开销，这样的开销是不现实的。
　　所以在这样的矛盾下出现了全文索引技术，有时候有人叫倒排文档技术。
　　原理是先定义一个词库，然后在文章中查找每个词条(term)出现的频率和位置，把这样的频率和位置信息按照词库的顺序归纳，这样就相当于对文件建立了一个以词库为目录的索引，这样查找某个词的时候就能很快的定位到该词出现的位置。
　　问题在处理英文文档的时候显然这样的方式是非常好的，因为英文自然的被空格分成若干词，只要我们有足够大的词汇库就能很好的处理。但是亚洲文字因为没有空格作为断词标志，所以就很难判断一个词，而且人们使用的词汇在不断的变化，而维护一个可扩展的词汇库的成本是很高的，所以问题出现了。
　　解决出现这样的问题使“分词”成为全文索引的关键技术。目前有两中基本的方法：
　　二元法 它把所有有可能的每两两汉字的组合看为一个词组，这样就没有维护词库的开销。
　　词库法 它使使用词库中的词作为切分的标准，这样也出现了词库跟不上词汇发展的问题，除非你维护词库。
　　实际上现在很多著名的搜索引擎都使用了多种分词的办法，比如“正向最大匹配”+“逆向最大匹配”，基于统计学的新词识别，自动维护词库等技术，但是显然这样的技术还没有作到完美。