Come funziona un indice invertito?

Question

IT Interview Practice · Accepted Answer

**Un indice invertito associa un termine ai documenti che lo contengono.** Permette al motore di ricerca di trovare documenti candidati senza leggere ogni documento dall'inizio alla fine a ogni ricerca.

Pensa all'indice in fondo a un libro: cerchi una parola, poi vai alle pagine elencate. In un motore di ricerca, gli identificatori dei documenti prendono il posto dei numeri di pagina.

## 1. Parti da una piccola raccolta

Supponiamo di avere tre documenti e un analizzatore semplice che converte il testo in minuscolo e separa le parole. Un analizzatore è l'insieme di passaggi che trasforma il testo in termini ricercabili.

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

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

La direzione originale va dal documento alle parole. L'indice la inverte, dalla parola ai documenti: da qui il nome. L'elenco dei documenti corrispondenti a un termine si chiama posting list.

## 2. Usa gli elenchi per rispondere a una query

Per una query che richiede sia red sia apple, leggi le due posting list e conserva l'intersezione: D1 compare in entrambe. Per una query che accetta uno qualsiasi dei termini, prendi l'unione: D1, D2 e D3 sono candidati.

L'esempio spiega la corrispondenza, non la classifica. Se più documenti corrispondono, il motore può assegnare punteggi usando frequenza del termine e diffusione nella raccolta. Trovare corrispondenze e stabilirne l'ordine sono passaggi collegati ma separati.

## 3. Rendi compatibili indicizzazione e ricerca

La query deve essere analizzata in modo compatibile con i termini indicizzati. Se l'indicizzazione trasforma Red in red ma la ricerca cerca il termine letterale Red, la corrispondenza desiderata può essere persa.

L'analisi adatta dipende dal campo. Le descrizioni dei prodotti beneficiano dell'analisi testuale; un identificatore esatto di ordine richiede normalmente corrispondenza esatta. Dividerlo in parole comuni può cambiarne il significato. Vedi la spiegazione Elastic della [ricerca full-text](https://www.elastic.co/docs/solutions/search/full-text/how-full-text-works).

## 4. Conserva informazioni sufficienti per la domanda

Un documento che contiene red e apple non contiene necessariamente la frase red apple. Per rispondere alle query di frase, l'indice deve conservare le posizioni delle parole per controllarne ordine e adiacenza.

- Gli identificatori indicano quali documenti contengono il termine.
- Le frequenze aiutano a descrivere quante volte compare.
- Le posizioni permettono domande sulla collocazione relativa dei termini.

Più informazioni consentono query più ricche, ma aumentano dimensione dell'indice e lavoro di indicizzazione. L'indice utile dipende dalle ricerche che l'applicazione deve supportare.

## 5. Comprendi il costo dell'aggiornamento

Quando il testo sorgente cambia, anche l'indice di ricerca deve essere aggiornato. Sistemi come Elasticsearch gestiscono i dati indicizzati in segmenti, unendoli nel tempo; un aggiornamento non significa riscrivere immediatamente sul posto ogni posting list esistente. La visibilità nelle ricerche dipende anche dal comportamento di refresh del motore.

Considera quindi storage aggiuntivo, costo di indicizzazione e possibile ritardo tra scrittura e reperibilità del documento. Un indice invertito è particolarmente utile per la ricerca testuale basata sui termini; non sostituisce universalmente gli indici per ricerche esatte, intervalli o accesso transazionale.

1. Parti da una piccola raccolta

2. Usa gli elenchi per rispondere a una query

3. Rendi compatibili indicizzazione e ricerca

4. Conserva informazioni sufficienti per la domanda

5. Comprendi il costo dell'aggiornamento

Domande correlate