1.布尔检索：

　　倒排文档，ad Hoc检索（任务一直在变，数据集不变）

2.词项词典及倒排记录表

　　词项集合的确定：词条化、去停用词、词项归一化（重音及变音符号问题、大小写转换问题、语言问题）、词干还原和词性归并

　　基于跳表的倒排记录表快速合并算法

短语查询：二元词索引、位置信息检索、混合索引机制（二元+位置）

3.词典及容错式检索

　　词典搜索的数据结构：哈希表（难以处理查询词项存在轻微变化的情况，难以处理前缀式查询），

　　　　　　　　　　　　---引出搜索树（二叉树、B树）

　　通配符查询：轮排索引（hello：hello$,ello$h,llo$he...）、K-gram索引（由k个字符组成的序列castle：cas、ast、stl）

　　拼写校正：原则---拼写错误查询和两个正确拼写查询邻近度相等时选择更常见的一个

　　　　　　　方法---词项独立和上下文敏感

　　　　　　　　　　 词项独立---编辑距离方法：Levenshtein distance算法；k-gram重合度

　　　　　　　　　　 上下文敏感---保留问文档集合或查询日志中高频组合，作为校正原则

form Heathrow 和 flew from Heathrow）

　　基于发音的校正技术

4.索引构建

　　基于块的排序索引方法：BSBI（基于块的排序索引算法）

外部排序算法---将词项构成词项ID-文档ID对，文档解析成词项

            ID-文档ID对

　　内存式单遍扫描索引构建方法：SPIMI（内存式单遍扫描索引算法）

　　　　处理每个词项-文档ID对，如果词项第一次出现，那么将之加入词典（哈希表实现），同时建立一个新的倒排记录表；如果词项不是

           第一次出现则直接返回其倒排记录表；

　　　　BSBI和SPIMI的区别：后者直接在倒排记录表中增加一项。前者是一开始就整理出所有的词项ID-文档ID并对他们进行排序

　　分布式索引构建方法：MapReduce（一种通用的分布式计算架构，面向大规模计算机集群的设计）

　　　　map阶段将输入的数据片映射成建-值对；reduce阶段将同一键（词项ID）的所有值（文档ID）集中存储。

　　动态索引构建方法：

　　　　要求能够及时检索到新文档的环境，解决方法是同时保持两个索引，一个大索引，一个辅助索引，后者保存在内存中。检索时可以同

           时遍历两个索引并将结果合并。