按字段和统计范围解释 tf、df 与有效文档。
实现机制
tf 是指定文档字段内词的频率,df 是当前统计作用域内含该词的文档计数。分片与 DFS 得到不同范围。
删除标志可使文档对查询不可见,其原 posting 与部分统计可能还要等待 merge。字符计数和分析后 token 数也要分开。
本章流程图见 1.1 从全表扫描到倒排索引 。
验证
用一篇含 apple 两次的文档和两个不同分片,计算局部 df 与全局 df。
一手资料
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。