Inverted Index - 倒排索引
Inverted Index是一种数据结构，它专门用来服务快速搜索的。它首先是一个文本中出现的独立的单词列表，然后每个单词对应一个list，这个list中包含了所有有这个单词的文本。我们来看下面这个例子，假设我们有下面两个文本内容：
1. The quick brown fox jumped over the lazy dog
2. Quick brown foxes leap over lazy dogs in summer
我们创建Inverted index的时候，会首先把这些内容分成单独的单词（又称之为terms或者tokens），然后创建一个单词的list，并且每个单词在对应一个文本list，结果如下所示：
这个时候我们搜索“quick brown”的时候，就只要去看这两个单词的结果了（类似一个值为列表的hash查询）：
我们可以看到两个文本中都有我们想要查询的单词，而且Doc1中两个单词都出现了，Doc2中只出现了一个单词，所以假如我们使用一个很简单的算法来判断相似度，比如就比较谁出现的数目多的话，那我们可能会认为Doc1的匹配度更好一点，毕竟两个单词在它里面都出现了。
但是当我们仔细回想之后会发现，这样简单的比较好像有点问题：
- 我们上面把Quick和quick认为是两个term，而假如我们人来看的话，可能会认为他们其实是一样的。
- fox和foxes以及dog和dogs其实也是很类似的，只是单复数的差别而已。
- jumped和leap虽然是不同的单词，但他们是同义词。
比如说假如我们这时候搜索+Quick +fox就会遇到上面的问题（这里的+意味着这个单词必须存在），这个时候就没有结果，因为上面两个文本都没有这两个单词同时出现的情况。而从我们人的分析来看，我们希望的可能是上面两个文本都匹配到我们的查询。如何解决这个问题呢？我们可以normalize这些term到标准的格式，比如说：
- Quick可以全部变成小写的quick
- Foxes可以变成它的根单词fox，同样的dogs也可以变成dog
- jumped和leap是同义词，就可以都变成jump。
这样处理之后我们的index就变成了下面这个样子：
这里的tokenization和normalization就是我们上一节介绍的analysis过程。
参考： https://donggeitnote.com/2021/08/29/elasticsearch-analysis/