摘要：
作为一种常用的索引组织方式，它在很多领域得到了应用。下面从存储和查询两个阶段对它进行介绍。1．存储阶段对于每个关键字，分配一个固定大小的向量（k-bit），这个向量叫做签名（Signature）；对于一个网页文件，经过词典切分后，形成由对应 关键字序列构成的向量，即P=<key1,key2,…,keym>，对这些关键字的签名做OR运算，就形成了网页文件的签名。这个过程也被 称为重叠编码（Superimposed Coding），然后把网页文件的签名结果依次存入一个个独立的文件中，形成对应的签名文件，这样形成的签名文件比原文件小很多。例如：有一页网页分词后有这样一些关键字“文本”、“ 阅读全文
摘要：
这是自然语言处理领域的一个有趣的定律，其实称为规律更合适，因为这是一个经验性的结果，是通过统计数据得出来的近似的规律。它的定义有些绕口，就是说，在一个自然语言的语料库中，一个词的出现频数和这个词在这个语料中的排名（这个排名是基于出现次数的）成反比。"Zipf's law states that given somecorpus ofnatural language utterances, the frequency of any word isinversely proportional to its rank in the frequency table. "举个 阅读全文