# Thomas H. Cormen, introduction to algorithms, third edition, MIT press, 2009.
# Eva Tardos and Jon Kleinberg, Algorithm Design, Pearson, 2006.
==索引的形式==
索引的形式包括哈希表，树、整数链表和位图。
=== 哈希表（Hash Table） ===
# Crainiceanu, Adina, and Daniel Lemire. "Bloofi: Multidimensional Bloom Filters." Information Systems 54 (2015): 311-324.
=== 树索引（Tree Index） 树（Tree） ===
* [https://en.wikipedia.org/wiki/B-tree B-tree]
# Sellis, Timos, Nick Roussopoulos, and Christos Faloutsos. "The R+-Tree: A Dynamic Index for Multi-Dimensional Objects." VLDB, 1987.
=== 前向索引（forward index）和反向索引（Inverted Index） ===
文档是有许多的单词组成的，其中每个单词也可以在同一个文档中重复出现很多次，当然，同一个单词也可以出现在不同的文档中。
前向索引(forward index)：从文档角度看其中的单词，表示每个文档（用文档ID标识）都含有哪些单词，以及每个单词出现了多少次（词频）及其出现位置（相对于文档首部的偏移量）。
反向索引(inverted index 或inverted files)：从单词角度看文档，标识每个单词分别在那些文档中出现(文档ID)，以及在各自的文档中每个单词分别出现了多少次（词频）及其出现位置（相对于该文档首部的偏移量）。
前向索引（一对多映射）：文档 ---> 单词
方向索引（一对多映射）：单词 ---> 文档
前向索引，又称为正排索引，反向索引，又称为倒排索引。但是正排和倒排索引的称谓，会造成误解。
搜索引擎（Search Engine）是实现信息检索（Information Retrieval）的软件。倒排索引是搜索引擎常用的数据结构。倒排索引的功能是将关键字（keyword）映射到文档（document）。倒排索引在信息检索中发挥重要作用。
在倒排索引中，每个关键词对应一个倒排链表（Inverted List），记录了该关键词出现的所有文档的编号。
倒排索引上的最重要的运算是集合交（Conjunction），并（Disjunction）和非（Negation）。
* 倒排索引在实际实现中，可以采用位图（Bitmap）与整数链表（Integer List）两种结构形式。
* 倒排索引上的交，并和非运算，对应的整数链表的操作是Intersection/Unions操作，对应位图的运算则是比特AND，OR，NOT操作。
倒排索引实现：
[https://lucene.apache.org/core/ Lucene]
[https://pypi.python.org/pypi/Whoosh Whoosh]==整数链表（Integer List）==
==== Bitmap Index ====