为了提高检索效率，就要建立索引文档，也就是倒排文档（inverted files），即对数据库重新组织，将每个可检索字段中一切有意义的检索词（或代码）按一定顺序排列，则构成倒排文档。
基于8个网页-相关网页
This section includes using regular expressions to identify web content in web page resources, web preprocessing, abstracting and quantifying web concepts, building inverted files and dealing near-replicas of the documents on the web.
这章包括了使用正则匹配识别网页源代码中的内容、网页预处理、网页特征项提取和量化，倒排文件的建立，和对具有相似内容的网页进行消重。
参考来源 - 基于Web的网络搜索技术研究·2,447,543篇论文数据，部分数据来源于NoteExpress
应用推荐