1.2.2 建立索引

經過文本分析后，得到的結果稱為詞（Term），我們利用它建立索引。首先使用得到的詞創建一個字典，然后對字典按字母順序進行排序，最后合并相同的詞，形成文檔倒排表（Posting List），具體過程如下。

1．使用詞生成字典，如表1-1所示

表1-1 使用詞生成字典

2．對字典按字母順序排序，如表1-2所示

表1-2 對字典按字母順序排序

3．合并相同的詞，形成文檔倒排鏈表

在文檔倒排表中，有幾個概念需要解釋一下。文檔頻率（Document Frequency）表示共有多少個文檔包含這個詞。詞頻率（Term Frequency），表示這個文檔中包含此詞的個數。在圖1-4中，左邊是按字母順序排序的字典合并相同詞，并統計出該詞在文檔中出現次數的結果。中間和右邊是文檔1和文檔2中包含某個詞的次數——詞頻率。它們之間是用鏈表的形式串起來的，又因為是根據詞的值來查找相關文檔的，而非在文檔中查找相關的值，和正常順序是相反的，故稱其為文檔倒排鏈表或倒排索引。

圖1-4 文檔倒排鏈表

至此，索引已經構建好了。根據以上的文檔倒排鏈表，我們就能使用關鍵詞來查到相應的文檔了。