《introduction to information retrieval》信息检索学习笔记2 词项词汇和倒排记录表

第2章 词项词汇和倒排记录表 回顾建立倒排索引的主要步骤： 1.收集要索引的文档。 2.词条化文本。 3.对词条进行语言预处理，生成标准化词条。 4.建立倒排索引，索引每个词项出现的文档。 2.1文档描述和字符序列解码 1.在文档中获取字符序列 文档处理第一步：将文档中的字节序列转换成字符的线性序列 （1）确定编码方案（可看作机器学习分类的问题，但通常通过启发式方法、用户选择或使用提供的文档元数据

>>阅读原文<<