问题描述
我正在使用Python进行信息检索项目。我读过多个资料，包括this book，都强调要按字母顺序存储倒排索引，尽管我没有发现这样做的好处。
我阅读过的许多文档建议以以下方式存储项目：
aardvark -> doc6,doc5,doc10
apple -> doc1,doc8
...
zebra -> doc7
存储记录如何按字母顺序提高速度？检索数据时，有什么方法可以利用这个字母顺序？
解决方法
想象一下，如果索引太大，以至于无法容纳在一台机器的内存中。
然后，我们必须将索引划分为多个较小的索引，然后存储在多台计算机中。
让我们说一台机器可以存储1000个条目，而我们总共要索引100000个条目；这意味着我们将需要100台机器来存储所有条目。
现在，如果键是按字母顺序存储的，那么通过执行二进制搜索来查找单词将变得更加容易。
示例：
让我们说前缀在aa和ad之间的单词存储在计算机1中。
前缀在ae和ba之间的单词存储在机器2中。
...
...
...
前缀为yh-zz的单词存储在计算机100中。
每当我们有一个查询请求时，我们只需对单词的前缀进行二进制搜索，以找到其条目以时间复杂度O（nlogn）存储的机器。
如果索引是以随机顺序存储的，那么我们将不得不在所有机器中一字搜索该词，从而导致时间复杂度为O（n）。