Postingslijsten

Postingslijsten zijn een data-structuur die in informatieopvraging (information retrieval) wordt gebruikt om voorkomens van termen in een documentenverzameling bij te houden. Ze vormen samen met de woordenlijst (vocabulary) en de omgekeerde index een veelgebruikt ontwerpprincipe: elke term in de verzameling verwijst naar een lijst van postings, waarin staat in welke documenten de term voorkomt en met welke metadata.

Een postingslijst bevat meestal een reeks postings, gesorteerd op document-id. Een postingsrecord kan naast het document-id verschillende gerelateerde gegevens bevatten, zoals de termfrequentie (hoe vaak de term in het document voorkomt) en de posities (de exacte locaties van de term binnen het document). Posities maken mogelijkheidsqueries zoals woordvolgorde- en nabijheidszoekopdrachten, en helpen bij het verifiëren van frasezoekopdrachten.

Er bestaan twee hoofdsoorten postings: niet-positie postings (alleen document-IDs) en positie postings (document-IDs plus posities en soms extra metadata zoals termfrequentie of offsets). De documenten in een postingslijst staan doorgaans in oplopende volgorde van document-id, wat efficiëntie biedt bij intersectie van lijsten tijdens queryverwerking.

Toepassing in queryverwerking: bij een boolean AND moeten postingslijsten elkaar kruisen; bij frase- of nabijheidsqueries wordt positie-informatie gebruikt om de juiste volgorde en afstand te controleren. Ranking-algoritmes zoals TF-IDF of BM25 kunnen de postings uitbreiden met termfrequenties en documentlengte-normalisatie om scores te berekenen. Compressietechnieken zoals gatencode, variabele bytes en bit-packing verminderen opslagruimte en verbeteren I/O-efficiëntie.

Postingslijsten zijn fundamenteel voor moderne zoekmachines en blijven cruciaal voor snelle, schaalbare en nauwkeurige informatieopvraging.