← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9793.g · 生成模型:DeepSeek-V4.1-Flash

归并:大数组还是优先队列

理解等级:高级

一个查询有多个词,要从多条倒排链里找出命中的文档,有两种走法。TAAT 逐条打开倒排链、一次走完整条,访问连续,但处理某篇文档时只能拿到当前这个词对它的贡献,必须用一个大数组累计临时分数,数组大小约等于文档集规模,数据量大时这笔内存开销很重。DAAT 同时打开所有链,每次挑文档号最小的那篇,把它的所有词贡献凑齐后立刻算出最终分,只需一个装 Top-N 的优先队列,内存小得多,所以大数据量检索多用 DAAT 配文档号递增的倒排。归并还能跳过不可能命中的文档号,跳表就是为此设计的,但它只对 AND(求交集)有效:OR 要对并集里每篇都打分,跳过了就漏结果,这也是后面要另找剪枝方法的原因。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《文本上的算法——深入浅出自然语言处理》第6章 搜索引擎是什么玩意儿(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00013.html) - 结论依据:原文这一段直接给出本卡的核心判断:「TAAT查询处理方法通常需要一个数组来保存文档的临时分数,这个数组的大小通常与文……」 - 原始内容:TAAT查询处理方法通常需要一个数组来保存文档的临时分数,这个数组的大小通常与文档集规模相当,所以当文档集规模很大时,这个额外数组存储开销会变的非常大。