[发明专利]基于多层优化平衡树的数值与文本混合倒排索引算法

权利要求书

1.一种基于多层优化平衡树的数值与文本混合倒排索引方法，其特征在于：在普通文本倒排索引结构的基础上，对数值倒排词典的二叉树结构进行增强，数值词典部分引入多层优化平衡树，使得查询性能不会随着数值的分布范围而急剧下降。该混合索引结构如图1所示。

2.如权利要求1所述的基于多层优化平衡树的数值与文本混合倒排索引方法，其特征在于，索引的结构如下：

数值词典部分由多层平衡树构成，平衡树的节点构造如图2所示。每个节点的结构中包括最小值和最大值，以及指向一个数值倒排列表。数值倒排列表中仅包含文献号。

平衡树的第0层将文档N的值集范围V[V_min，V_max]分隔为b个节点，每个节点表示V的一个子集。

设c为合并因子。对于平衡树的第j层(j＝1，…，L)，构造b/cj个节点，节点个数为(Ncj)/b，节点所指向的倒排列表i(i＝0，…，b/cj-1)由第j-1层的倒排列表ic，…，(i+1)c-1合并而成。

3.如权利要求2所述的基于多层优化平衡树的数值与文本混合倒排索引方法，其特征在于，索引的构造步骤如下

(1).第0层节点的创建

a.对于文档集N中的每个对<文献号，数值>按值进行排序，令V为所有唯一值的集合

b.将a步中排序的列表分为b块，每块长度为N/b。将每块的最小值(第一个数值)和最大值(最后一个数值)，存入数组T_min和T_max。

c.对于每一块创建一个倒排列表，按文献号排序。满足：对1＜＝i＜j＜＝b，块i中的所有数值不大于块j中的所有数值。

第0层节点的创建性能取决于a步骤，时间复杂度为：O(NlogN)，空间复杂度为：O(N)。

(2).附加层的创建

a.对于文档集N中的每个对<文献号，数值>按文献号排序，放入缓存1

b.对于文档集N中的每个对<文献号，数值>按值排序，放入缓存2，并创建数组T_min和T_max。

c.对于每一层j＝0，…，L：将缓存分隔为b/c^j个列表。初始化所有子倒排列表。扫描缓存1，从第0层列表中获取对应文献号，并写入倒排列表的空位中。

d.将每层写入磁盘上。

附加层的创建时间复杂度为O(N[logN+L])。

4.如权利要求2所述的基于多层优化平衡树的数值与文本混合倒排索引方法，其特征在于，基于该索引结构的数值查询步骤如下：

(1)查询第0层的T_min和T_max表

(2)找到与查询条件范围r＝[V_min，V_max]相匹配的最左和最右的第0层节点，创建带过滤条件的倒排列表

(3)从最大层开始，找到最长的符合查询条件的倒排列表。层i(i＞0)的节点被选中，当前仅当它的值集范围满足查询条件的约束，同时在i+1层它的被包含节点中包含一些数值不满足查询条件的约束。

(4)将(3)中选中的倒排列表按文献号进行合并。