知识卡片
文档间隔（d-gap）：倒排列表可压缩性的关键转换
内容
一个词的倒排列表本身是升序文档号，直接存储每个文档号需要能表达最大文档号的位数，看起来无法压缩。但只要把”存文档号”换成”存相邻文档号之间的差值”（文档间隔），信息不丢失（可累加还原），却打开压缩空间：常见词间隔普遍很小，罕见词间隔可能很大但次数少，小间隔概率远高于大间隔。只要用变长编码给小数值分配更短码字，平均编码长度就能显著低于固定位数方案。
参考来源
- 位置：第3章《索引》「压缩倒排文件」小节（源文件：_chapter-text/ch03.txt）
- 结论依据：原文明确说明用文档间隔（d-gap）替代直接存储文档号不损失信息，且间隔分布不均匀为变长编码打开空间，直接支持卡片论点。
- 原始内容："列表完全可以这样存储：一个初始位置，后面跟着一列文档间隔（d-gap）……这里没有损失任何信息，因为原文档序号总是可以通过累计文档间隔的和来求出……常用词所出现在的文档序号的间隔可能很小……这样考虑使用变长的表示法，更重视小值，就能使编码效果比重视大值更加经济。"