1.2.2 建立索引

经过文本分析后，得到的结果称为词（Term），我们利用它建立索引。首先使用得到的词创建一个字典，然后对字典按字母顺序进行排序，最后合并相同的词，形成文档倒排表（Posting List），具体过程如下。

1．使用词生成字典，如表1-1所示

表1-1 使用词生成字典

2．对字典按字母顺序排序，如表1-2所示

表1-2 对字典按字母顺序排序

3．合并相同的词，形成文档倒排链表

在文档倒排表中，有几个概念需要解释一下。文档频率（Document Frequency）表示共有多少个文档包含这个词。词频率（Term Frequency），表示这个文档中包含此词的个数。在图1-4中，左边是按字母顺序排序的字典合并相同词，并统计出该词在文档中出现次数的结果。中间和右边是文档1和文档2中包含某个词的次数——词频率。它们之间是用链表的形式串起来的，又因为是根据词的值来查找相关文档的，而非在文档中查找相关的值，和正常顺序是相反的，故称其为文档倒排链表或倒排索引。

图1-4 文档倒排链表

至此，索引已经构建好了。根据以上的文档倒排链表，我们就能使用关键词来查到相应的文档了。