搜索引擎核心原理：倒排索引、分词、排序，高频考点与回答框架
本章聚焦搜索引擎三大核心原理——倒排索引、分词、排序的面试考察逻辑。面试中，这三大模块通常以“原理→工程→优化”三层递进式提问。以下先用对比表格建立全局认知，再用回答框架图展示高分回答路径，最后通过3个问答卡片和1个实战项目解析高频考点与避坑要点。
| 核心原理 | 核心考点 | 回答要点 | 加分项 |
|---|---|---|---|
| 倒排索引 | 结构设计、合并优化、压缩存储 | 文档→分词→倒排链→合并策略 | 跳表加速、变长编码压缩、实时更新 |
| 分词策略 | 歧义处理、新词发现、粒度控制 | 词典+统计模型、粗精结合 | OOV处理、增量更新、领域定制词典 |
| 排序模型 | 相关性、时效性、个性化多目标 | LTR框架、特征设计、模型融合 | 多目标学习、实时特征、A/B实验体系 |
Q1：倒排索引的原理与优化
面试问题：请解释倒排索引的原理及其在搜索引擎中的应用，如何优化倒排索引的存储和查询性能？
面试官考察点：对倒排索引底层结构的理解深度，以及工程优化能力（压缩、合并、加速）。
回答框架：定义→数据结构→构建过程→查询过程→三项优化（压缩/跳表/增量更新）。
示例回答：倒排索引以词为键、文档列表为值。构建时对文档分词，每个词生成倒排链。查询时先定位词典再合并倒排链取交集。优化方面我用跳表指针加速合并、变长编码压缩存储、前缀压缩词典，查询性能提升40%。
可能追问：倒排链合并策略有哪些？跳跃表具体如何实现？对比不同压缩算法（VByte、Simple9、Roaring Bitmaps）的适用场景。
Q2：分词策略设计与精度召回平衡
面试问题：搜索引擎中的分词策略如何设计？如何平衡分词精度和召回率？如何处理新词和歧义？
面试官考察点：分词算法的工程选型能力，精度与召回权衡的实践经验，OOV处理方案。
回答框架：算法分类→精度召回权衡→歧义处理→新词发现→索引与检索的分词策略差异。
示例回答：我采用词典最大匹配+CRF统计模型结合，词典保证高频精度，CRF解决歧义。新词发现用PMI和邻接熵，每日增量更新。索引用细粒度分词保证召回，检索用粗粒度提升精度，平衡精度与召回。
可能追问：CRF特征模板如何设计？OOV词如何处理？分词性能瓶颈在哪？领域定制词典的更新策略？
Q3：排序模型与多目标优化
面试问题：搜索引擎的排序模型是如何设计的？如何平衡相关性、时效性和个性化？
面试官考察点：排序模型演进的理解，多目标融合的工程经验，线上评估方法。
回答框架：模型演进→特征体系→多目标融合→线上实验→冷启动处理。
示例回答：我使用LTR排序框架，GBDT+LR作为主力模型。相关性用BM25+语义向量距离；时效性加入时间衰减；个性化引入用户embedding。通过MMOE多目标学习融合三个维度，线上A/B实验搜索转化率提升15%。
可能追问：LTR的特征工程具体怎么做？多目标学习有哪些方法？冷启动如何解决？线上A/B实验的分流策略？