Извличане на документи и инвертирани индекси за целите на web приложенията

• 
  за целите на web приложенията
  

Следните видове заявки:

• 
  документа се разглежда като кортеж, т.е. големи полета. При едно такова разглеждане може да има твърде много атрибути (за всяка дума да има по един атрибут [булев, т.е. дали дадената дума я има или не]). Върху всеки от тези атрибути се изгражда вторичен индекс (само за тези кортежи, в които стойността на атрибута е true).DOC (has Cat, has Dog, …) Вместо да се създават отделни индекси за всеки атрибут индексите са инвертирани в един, а именно инвертиран. Този индекс се пренасочва за да се спести дисково пространство
  

cat

dog

dog

- инвертиран индекс ; - списъци с адреси ; - отделни документи

Самите документи могат да бъдат разположени в поредица от блокове, т.е. да са част от базата от данни. Някои бази от данни са статични – няма смисъл от блокове на препълване, достатъчно е да се остави 25% празно място.

1. 
   указателите могат да бъдат указатели към самия документ, но могат да бъдат и указатели които да сочат вътре в самите документи (къде точно се среща думата).
   
2. 
   когато се ползват указатели към думи се ползва допълнителна информация към всяка една поява (дали се среща в заглавие или подзаглавие или в основния текст)л във връзка с появата на документи които се маркирани във файла с кофите съдържа информация с кой език за маркиране е създаден
   

	Тип на маркировката	Позиция	Самия указател
cat	title	5	Doc1
	header	10
	anchor	3	Doc2
	text	57	Doc3
dog	title	100	Doc2
	title	12	Doc3
речника	маркери

Инвертирания индекс е речника, списъка с адресите са индексните файлове, това е при ПТБД.

Заявка1: да изкара всички документи, в които заглавието съдържа dog

Заявка2: да се намерят всички документи, в които в елемента title или в някои негови под-елементи се съдържа думата cat.

За заявка2 се използва XQuery - език, който прилича на SQL за СУБД.

По отношение на думите се използват най-различни методи:

• 
  търсене по корен на думите – суфикс;
  
• 
  стоп думи (по кои да не се индексира);
  
• 
  организацията – хубаво е в отделни блокове да се съдържат индексите за дадена дума.
  

Аспекти на XML

1. 
   XML – ефективно средство за обмен на форматирана релация, заедно с това схемата на този файл върви (DTD+ XML-Scheme-по-точна информация).
   
2. 
   Освен това XML е за съхраняване на документи (форматиране на документи) при ПТБД – XQuery. Към релацията в СУБД могат да се направят XML интерфейси.
   
3. 
   XML е и средство, което служи за описание на семантиката на данните, т.е. данните идват като съдържание и това комбинирано с каскадните стилове и средствата за визуализация то те се визуализират.
   

Б – дървета

• 
  Корен
  
• 
  Междинно ниво (може да са повече от едно)
  
• 
  Листа (едно ниво).
  

1. 
   ключовете в листата са копие на ключовете във файла с данни. На нивото на листата ключовете се поддържат в сортиран ред от ляво на дясно (в ляво – най-малката стойност).
   
2. 
   в корена има поне два използвани указателя, като всички указатели сочат в блокове от по-долното ниво (но има случаи и само с един използван указател [1корен-1листо]). Указател от корена към листото и от листото към записа с данни
   
3. 
   в листата последния указател сочи към следващия блок към листото намиращо се в дясно (т.е. сочи винаги в следващия блок с листа, там се намират листата с по-големи ключове от ключовете на разглеждания блок). Останалите указатели сочат в записи с данни и като бройка са , т.е. листата са поне наполовина пълни (в В+ дървото).
   
4. 
   в междинните възли всички указатели (n+1) сочат към по-долното ниво.в тях има поне указатели (отново междинните блокове да са наполовина пълни). Тук спрямо ключа двата съседни указателя сочат:
   

57

81

95

57

81

запис с ключ 57 запис с ключ 81

57

81

95

с ключ по-малък стойности между 81 и 95

от 57 57 и 81

В-дървото извършва търсене в интервални заявки.

Инструментариум за изграждане на индекси (нивата се изграждат автоматично)

• 
  указателите – може ключа на търсене да е първичния ключ на релацията, а самия индекс да е плътен, т.е. една двойка ключ-указател, тогава не е необходимо файла с данните да е сортиран, защото листата са сортирани.
  
• 
  Но ако файла с данните е сортиран тогава можем да използваме разреден индекс. Тогава в дървото ще участват най-малките ключове от съответните блокове от файла с данни.
  
• 
  Когато файла с данни е сортиран по атрибут който не е ключ на релацията, но този ключ се използва за ключ на търсене (или ключ на индексация) в В-дървото тогава възможностите са: