用于搜索引擎检索的原子（ATOM）的选择

摘要

提供了一种使用在文件中识别的原子来填充搜索索引的方法。识别将被标引的文件，对于每个文件，识别原子并将其分类为一元模型、n元模型和n元组。生成原子/文件对的列表，这样对于每个对能够计算信息度量。信息度量表示与特定文件相关的原子的分级。基于该信息度量，一些原子/文件对被丢弃，其它的被标引。

主权项

一种用于使用在多个文件中识别的原子填充一个或多个搜索索引的方法，该方法包括：识别将在搜索索引中被标引的文件的集合；对于文件集合的每个文件，识别多个原子，该多个原子包含一个或多个一元模型，一个或多个n元模型，和一个或多个n元组；基于所识别的文件集合和该多个原子，生成原子/文件对的列表；为每个原子/文件对计算信息度量，其中该信息度量表示与特定文件相关的、在搜索查询期间使用的、预先计算的原子的分级；基于每个原子/文件对的信息度量，选择与从中识别出原子的特定文件最相关的原子/文件对的子集；以及使用针对特定文件的原子/文件对的子集填充搜索索引，其中，从所述搜索索引中识别针对所述搜索查询的相关文件是基于删减算法的，所述删减算法针对所述文件中的每个文件计算初步分数以基于所述初步分数选择所述文件的集合的子集，其中，所述初步分数是使用针对每个原子/文件对预先计算的所述信息度量和简化计分函数来计算的，所述简化计分函数近似在识别所述相关文件中采用的最终分级算法。