倒排索引可以在一个条目中包含多个单词吗？
Can inverted index have multiple words in one entry?
在信息检索中，倒排索引的条目是语料库中的词，每个词都有一个posting list，即它出现的文档列表。
如果应用词干提取，索引条目将是一个词干，因此如果多个单词共享相同的词干，它们最终可能会映射到同一个条目。例如：
没有词干提取：
(slowing) --> [D1, D5, D9,...]
(slower) --> [D9, D10, D20,...]
(slow) --> [D2,...]
有词干提取：
(slow) --> [D1, D2, D5, D9, , D10, D20...]
我想避免词干提取，而是希望将倒排索引中的每个条目都作为词袋（变形），例如（慢、慢、慢、慢、慢、最慢）。例如：
(slow, slows, slowing, slowed, slower, slowest) --> [D1, D2, D5, D9, , D10, D20...]
可不可行？
简答：
只需避免根据您的需求进行词干提取，而不会将 slow 和 slows 视为匹配项。
长答案：
问题：
I want to avoid stemming, and instead would like to make each entry in my inverted index as a bag of words (inflections) such as (slow, slows, slowing, slowed, slower, slowest).
让我试着消除您对倒排列表的一些困惑。它是存储在每个术语（而不是术语本身）的帖子中的文档。
这些词通常存储在内存字典中（使用散列-table 或特里树实现），其中包含指向存储和加载的帖子（包含该特定术语的文档列表）的指针来自辅助存储的苍蝇。
一个简单的例子（不显示文档权重）：
(information) --> [D1, D5, D9,...]
(informative) --> [D9, D10, D20,...]
(retrieval) --> [D1, D9, D17,...]
..
所以，如果您不想应用词干提取，那很好......事实上，上面的示例显示了一个 unstemmed 索引，其中单词 information 和 informative 以未合并的形式出现。在合并的术语索引（使用词干分析器或词形还原器）中，您可以将不同的形式替换为等效的表示形式（比如 inform）。在这种情况下，索引将是：
(inform) --> [D1, D5, D9, D10, D20...]. --- union of the different forms
(retrieval) --> [D1, D9, D17,...]
..
因此，这种合并表示匹配单词 information 的所有可能形式，例如informative、informational等
更长的答案
现在假设您想实现两全其美，即允许以用户控制的方式进行这种合并的表示，例如wrapping a word around quotes to denote requiring an exact match ("slow"vs.slowin the query), or some indicator to include synonyms for a query term for semantic search (e.g.syn(slow)` 以包含 slow 一词的同义词）。
为此，您需要为未合并的词维护单独的帖子，并在一组 equivalent (stem relation/synonym relation/ semantic relation etc.) 个术语之间维护额外的 equivalence indicating pointers。
回到我们的例子，你会得到类似的东西：
(E1)-->(information) --> [D1, D5, D9,...]
|---->(informative) --> [D9, D10, D20,...]
|---->(data) --> [D20, D23, D25,...]
(E2)-->(retrieval) --> [D1, D9, D17,...]
|---->(search) --> [D20, D30, D31,...]
..
在这里，我展示了两组术语 information, data... 和 retrieval, search... 的等价 类（概念表示）的两个示例。
根据查询语法，在检索时可以促进精确搜索或轻松搜索（基于 inflections/synonyms 等）
在信息检索中，倒排索引的条目是语料库中的词，每个词都有一个posting list，即它出现的文档列表。
如果应用词干提取，索引条目将是一个词干，因此如果多个单词共享相同的词干，它们最终可能会映射到同一个条目。例如：
没有词干提取：
(slowing) --> [D1, D5, D9,...]
(slower) --> [D9, D10, D20,...]
(slow) --> [D2,...]
有词干提取：
(slow) --> [D1, D2, D5, D9, , D10, D20...]
我想避免词干提取，而是希望将倒排索引中的每个条目都作为词袋（变形），例如（慢、慢、慢、慢、慢、最慢）。例如：
(slow, slows, slowing, slowed, slower, slowest) --> [D1, D2, D5, D9, , D10, D20...]
可不可行？
简答：
只需避免根据您的需求进行词干提取，而不会将 slow 和 slows 视为匹配项。
长答案：
问题：
I want to avoid stemming, and instead would like to make each entry in my inverted index as a bag of words (inflections) such as (slow, slows, slowing, slowed, slower, slowest).
让我试着消除您对倒排列表的一些困惑。它是存储在每个术语（而不是术语本身）的帖子中的文档。
这些词通常存储在内存字典中（使用散列-table 或特里树实现），其中包含指向存储和加载的帖子（包含该特定术语的文档列表）的指针来自辅助存储的苍蝇。
一个简单的例子（不显示文档权重）：
(information) --> [D1, D5, D9,...]
(informative) --> [D9, D10, D20,...]
(retrieval) --> [D1, D9, D17,...]
..
所以，如果您不想应用词干提取，那很好......事实上，上面的示例显示了一个 unstemmed 索引，其中单词 information 和 informative 以未合并的形式出现。在合并的术语索引（使用词干分析器或词形还原器）中，您可以将不同的形式替换为等效的表示形式（比如 inform）。在这种情况下，索引将是：
(inform) --> [D1, D5, D9, D10, D20...]. --- union of the different forms
(retrieval) --> [D1, D9, D17,...]
..
因此，这种合并表示匹配单词 information 的所有可能形式，例如informative、informational等
更长的答案
现在假设您想实现两全其美，即允许以用户控制的方式进行这种合并的表示，例如wrapping a word around quotes to denote requiring an exact match ("slow"vs.slowin the query), or some indicator to include synonyms for a query term for semantic search (e.g.syn(slow)` 以包含 slow 一词的同义词）。
为此，您需要为未合并的词维护单独的帖子，并在一组 equivalent (stem relation/synonym relation/ semantic relation etc.) 个术语之间维护额外的 equivalence indicating pointers。
回到我们的例子，你会得到类似的东西：
(E1)-->(information) --> [D1, D5, D9,...]
|---->(informative) --> [D9, D10, D20,...]
|---->(data) --> [D20, D23, D25,...]
(E2)-->(retrieval) --> [D1, D9, D17,...]
|---->(search) --> [D20, D30, D31,...]
..
在这里，我展示了两组术语 information, data... 和 retrieval, search... 的等价 类（概念表示）的两个示例。
根据查询语法，在检索时可以促进精确搜索或轻松搜索（基于 inflections/synonyms 等）