Invertierter Index

Kurz: Ein invertierter Index ordnet jedem Wort die Liste der Dokumente zu, in denen es vorkommt. Er macht Volltextsuche schnell.

Genauer: Statt bei jeder Suche alle Texte zu durchlaufen, schlägt man das Wort im Index nach, wie im Stichwortverzeichnis eines Buches.

Im Detail

• Aufbau: wort → [Dokument-ID, ...], oft mit Häufigkeit und Positionen (für Phrasensuche wie „rote Katze”).
• Vorverarbeitung: Kleinschreibung, Zerlegung in Wörter (Tokenisierung), Wortstämme (Stemming), Stoppwörter weglassen.
• Mehrere Wörter: Die Listen werden geschnitten (UND) oder vereinigt (ODER). Da sie sortiert sind, geht das per Zusammenführen sehr schnell.
• Ranking: Verfahren wie TF-IDF und BM25 gewichten seltene Wörter höher. Siehe Hybridsuche.
• Einsatz: Lucene, Elasticsearch, PostgreSQL-Volltext (GIN-Index), Suchmaschinen, das Wiki-Suchfeld.
• Preis: Der Index belegt Platz und muss bei Änderungen aktualisiert werden.

Siehe auch: Elasticsearch