Miten käänteinen indeksi toimii?

Question

IT Interview Practice · Accepted Answer

**Käänteinen indeksi yhdistää termin sen sisältäviin dokumentteihin.** Hakukone löytää ehdokkaat lukematta joka dokumenttia kokonaan jokaisessa haussa.

Ajattele kirjan hakemistoa: etsi sana ja siirry luetelluille sivuille. Dokumenttitunnisteet korvaavat sivunumerot.

## 1. Aloita pienellä kokoelmalla

Meillä on kolme dokumenttia ja analysoija, joka muuttaa pieniksi kirjaimiksi ja erottaa sanat. Analysoija muuntaa tekstin haettaviksi termeiksi.

```text
D1: Red apple
D2: Green apple
D3: Red car

apple -> D1, D2
car   -> D3
green -> D2
red   -> D1, D3
```

Alkuperäinen suunta on dokumentista sanoihin. Indeksi kääntää sen sanasta dokumentteihin. Termin dokumenttilistaa kutsutaan posting listiksi.

## 2. Vastaa listojen avulla

Kun vaaditaan red ja apple, ota listojen leikkaus: D1 on molemmissa. Jos kumpi tahansa riittää, yhdiste antaa D1:n, D2:n ja D3:n.

Tämä selittää osumat, ei järjestystä. Useita osumia voi pisteyttää termin toistuvuudella ja yleisyydellä kokoelmassa. Löytäminen ja järjestäminen ovat liittyviä mutta eri vaiheita.

## 3. Yhteensovita indeksointi ja haku

Kysely on analysoitava yhteensopivasti. Jos indeksointi muuttaa Redin rediksi mutta haku etsii täsmälleen Rediä, osuma voi jäädä pois.

Analyysi riippuu kentästä. Tuotekuvaus hyötyy tekstianalyysistä, tarkka tilaustunniste tarvitsee yleensä täsmäosuman. Tunnisteen pilkkominen sanoiksi voi muuttaa merkitystä. Katso Elasticin [kokotekstihaku](https://www.elastic.co/docs/solutions/search/full-text/how-full-text-works).

## 4. Tallenna kysymykseen riittävät tiedot

Redin ja applen sisältävä dokumentti ei välttämättä sisällä fraasia red apple. Fraasihaku vaatii sijainnit järjestyksen ja vierekkäisyyden tarkistamiseen.

- Dokumentti-ID kertoo, missä termi esiintyy.
- Toistuvuus kuvaa esiintymien määrää.
- Sijainnit tukevat termien suhteellista asettelua.

Lisätieto tukee rikkaampia kyselyjä mutta kasvattaa kokoa ja indeksointia. Sovelluksen hakutarpeet määräävät hyödyllisen indeksin.

## 5. Ymmärrä päivityskustannus

Lähdetekstin muutos päivittää myös indeksin. Elasticsearchin kaltaiset järjestelmät käyttävät segmenttejä ja yhdistävät niitä ajan myötä; päivitys ei kirjoita kaikkia listoja heti paikalleen. Näkyvyys riippuu myös refreshistä.

Huomioi lisätila, indeksointityö ja kirjoituksen jälkeinen hakuviive. Käänteinen indeksi sopii erityisesti termipohjaiseen tekstihakuun, ei korvaa kaikkia täsmä-, väli- tai transaktioindeksejä.

1. Aloita pienellä kokoelmalla

2. Vastaa listojen avulla

3. Yhteensovita indeksointi ja haku

4. Tallenna kysymykseen riittävät tiedot

5. Ymmärrä päivityskustannus

Aiheeseen liittyvät kysymykset