商用搜索引擎对查询请求的处理速度有很高的要求,尤其是在因特网已发展到数百亿网页规模的背景下,如何在保证返回结果质量的前提下,尽可能提高搜索引擎查询处理能力成为了搜索引擎等领域的研究热点,其中对索引系统的优化是众多优化方法关注的核心环节。在目前所采用的搜索引擎优化技术中,查询剪裁和缓冲算法是两种极为重要的搜索引擎优化方法。 本文研究了结合查询剪裁的搜索引擎数据缓冲策略,主要工作包括: (1)提出了一种新的基于“关键词组合命中信息列表交集”的查询剪裁方法。该剪裁方法利用“关键词组合命中信息列表交集”的组织形式能体现出网页对于特定查询条件的重要性,实现了与基于查询网页评价函数有机结合,同时提升精确匹配查询的处理速度。 (2)提出了基于一种新的索引系统架构的搜索引擎数据缓冲策略。新数据缓冲策略将高频关键词组合的命中信息列表交集放入缓冲区,综合利用离线和在线替换算法提升该缓冲区的性能。同时,由于在传统索引系统架构上部署该缓冲存在诸多局限性,该文提出了一种新的索引架构,利用这种索引系统架构,可充分利用索引系统的硬件资源,并能显著增强查询剪裁算法的效能。 (3)设计并实现了一个结合查询剪裁的搜索引擎缓存管理原型系统,该原型系统实现了基本的索引子模块功能。对原型系统的一系列实验表明,应用文中所提出的结合查询剪裁的搜索引擎缓冲策略,在保证搜索引擎返回结果未受明显影响的前提下,对查询请求的处理达到了较高的查询剪裁率,有效的提高了搜索引擎的性能。