1. 什么是IR？ IR与数据库的区别？
答：数据库是检索结构化的数据，例如关系数据库；而信息检索是检索非结构化/半结构化的数据，例如：一系列的文本。信息检索是属于NLP（自然语言处理）里面最实用的一个场景，应用之一。
2. 什么是term-document incidence matrix？
答：文档中，出现了某个词记做1，未出现记做0的矩阵。 e.g, 单词集合 W={w1, w2, w3, w4}，文章集合 D={d1, d2, d3, d4, d5}。 term-document incidence matrix 如下所示：
| d1 | d2 | d3 | d4 | d5 | |
| w1 | 0 | 1 | 1 | 1 | 1 |
| w2 | 1 | 1 | 0 | 1 | 1 |
| w3 | 1 | 0 | 1 | 1 | 1 |
| w4 | 0 | 0 | 0 | 0 | 1 |
查询语句：w1 ∩ w2 ∩ w3 ∩ w4 (意思是：查找一篇文档，要求文档中出现了单词w1, w2, w3, w4)
答： 做字节与运算：
01111
+ 11011
+ 101111
+ 00001
--------
00001
结果表示， 只有文档d5符合条件。 也就是只有d5中同时出现了w1～w4这四个单词。
3. 什么是 “inverted index” ？
由2可知，我们得到了term与documents的相关矩阵。但是存在的问题是 ： 1. 费空间 2. 稀疏矩阵 sparse matrix。
所以，我们需要用到inverted index。也就是以链表的形式，表示文档。
例如：
仍然用2中的例子：可以表示如下：
w1 ： 2 -〉3 -〉4 -〉5
w2: 1-〉2-〉4-〉5
w3： 1-〉3-〉4-〉5
w4： 5
可以使用链表linked list， 也可以使用连续的list，continuous list. 前者访问快，后者省空间。 具体权衡视情况而定。
此时，w_1 - w_n 称为“字典部分”（dictionary），而 后面的索引的数字称为“posting”。每一个word都有一个“posting list”
4. 如何使用“inverted index”求 AND OR NOT运算
答： w1 的inverted index 是：w1_postingList={ 1,2,3,4,10}
同理， w2_postingList={1,2,5,6,8}
w3_postingList={7,8}
w1 AND w2 OR w3 = w1_PL ∩ w2_PL ∪ w3_PL = {1,2,7,8}
5. inverted index 的构造流程
6. query optimization
1⃣️ 对于一个包含n的term的query， query q ： A AND B AND C
最优的策略是 ： 按照升序的顺序
2⃣️ 同理，对于query q ： A OR B OR C
最有的策略是 ： 按照升序的顺序
(参考：1. youtube的一个information retrieval course：https://www.youtube.com/watch?v=Hy78R3yuutg&list=PL0ZVw5-GryEkGAQT7lX7oIHqyDPeUyOMQ&index=4)