搜索引擎的出现,使用户能够在当今海量网页中准确定位并实时查看所需信息,其重要性日益凸显。目前大型搜索引擎拥有的网页数据已达PB级别并每日处理成千上万的查询请求,使得系统在查询处理过程中耗费大量时间和硬件资源。因此,近年来针对查询处理优化的相关研究得到了工业界和学术界的重点关注。Topk查询是搜索引擎领域广泛应用的技术之一,该算法从海量数据中返回最符合用户需求的前k个结果,在执行时能避免对大部分无关文档的打分处理。Top-k查询虽然极大提升了系统性能,但在索引结构、文档过滤策略和文档估分方式等方面仍存在问题。因此,本文将着重于搜索引擎的top-k查询处理技术的优化研究,具体内容描述如下:(1)在自索引结构的基础上,对多层自索引结构进行了分析与设计。此结构以定长元组为单位,使用迭代的方法提取数据段同步点形成上层自索引,实现了倒排索引的随机访问,能够有效支持当前两个经典的top-k查询处理算法MaxScore和WAND算法。实验证明,该结构大幅减少了解压数据块的数量,能明显提升查询处理的性能。同时,基于多层自索引结构实现了索引压缩与查询系统,该系统具有可扩展性,为后续top-k查询处理优化算法研究与验证奠定了基础。(2)针对top-k查询处理算法的慢启动问题,在对MaxScore和WAND算法原理分析的基础上,提出了基于阈值的快速启动top-k查询处理算法。优化后的算法首先提取倒排索引的静态top-k信息,再动态计算针对具体查询词项的初始阈值,避免了对大量弱相关文档的冗余处理。实验证明,该算法能够有效估算初始阈值,在保证安全性的条件下显著减少了进入结果堆的文档数量。(3)针对top-k查询处理过程中文档分数上限的计算问题,提出了基于线性规划的top-k查询处理优化算法。该算法将每个查询子集能够获得的最大分数视作目标函数,以查询词项之间限制条件作为约束条件,将上述问题抽象为求线性规划最优解的数学模型。实验结果表明,优化后的算法既保证了安全性,又能够有效降低候选文档的分数上限。