站长之家（Chinaz.com）10月28日消息 今日百度站长平台Lee发布文章介绍了搜索引擎索引系统的大概工作流程。主要包括：Query串切词分词，查出含每个term的文档集合，求交，网站过滤，按需进行最终排序。
以下为文章全文：
前面简要介绍过了搜索引擎的索引系统，实际上在建立倒排索引的最后还需要有一个入库写库的过程，而为了提有效率这个过程还需要将全部term以及偏移量保存在文件头部，并且对数据进行压缩，这涉及到的过于技术化在此就不多提了。今天简要给大家介绍一下索引之后的检索系统。
检索系统主要包含了五个部分，如下图所示：
（1）Query串切词分词即将用户的查询词进行分词，对之后的查询做准备，以“10号线地铁故障”为例，可能的分词如下（同义词问题暂时略过）：
100x123abc
号0x13445d
线0x234d
地铁0x145cf
故障0x354df
（2）查出含每个term的文档集合，即找出待选集合，如下：
0x123abc123479…..
0x13445d25891011……
……
……
（3）求交，上述求交，文档2和文档9可能是我们需要找的，整个求交过程实际上关系着整个系统的性能，这里面包含了使用缓存等等手段进行性能优化；
（4）各种过滤，举例可能包含过滤掉死链、重复数据、色情、垃圾结果以及你懂的；
（5）最终排序，将最能满足用户需求的结果排序在最前，可能包括的有用信息如：网站的整体评价、网页质量、内容质量、资源质量、匹配程度、分散度、时效性等等，之后会详细给大家介绍。
（举报）
