如今科技发展迅速,互联网数据正在以惊人的速度增长。越来越多的人意识到处理如此大规模数据的重要性。搜索引擎作为当今重要的信息获取工具,在面对数据量剧增的网页信息时,需要对用户提出的查询给予高效并且准确的响应。搜索引擎中最重要的技术之一就是索引,而倒排索引是其中一种十分经典并且有效的索引结构。索引压缩可以有效地将数据量减少,这样一方面可以减少索引占用的磁盘空间资源,另一方面可以减少磁盘读/写数据量,从而减少用户查询的响应时间。因此倒排索引压缩的意义重大。本文的主要研究对象就是倒排索引。本文仔细分析了现有的位压缩、?编码、Golomb编码、插值编码等常用的倒排索引的压缩算法。探究各个压缩算法及其适用的场景,分析每个算法的优点与不足。在此基础上提出了一种改进插值编码的方法来提高数据空间中倒排索引的压缩效率和搜索查询效率。首先通过本文提出的新的相似度算法对文档集合进行预处理,新的相似度算法主要考虑了倒排列表中文档地址的相邻性,相比较传统的余弦相似度函数针对性更强,促使文档集合的排列更加符合本文提出的混合压缩算法;其次,针对插值编码的过程,本文对其进行了优化,首尾指针不进行压缩,从而提高了插值编码的压缩性能;通过分析插值编码和位编码各自的优缺点,插值编码更加适合倒排列表中地址相邻的情况但对辅助栈要求较高,而位编码更加适合高频词汇的倒排列表的压缩,为此本文提出了混合压缩算法,其包含了位压缩和插值编码的优点,并且利用位压缩的融合,克服了插值编码对辅助栈要求很高这一缺点。本文选取了结构化和非结构化数据验证混合压缩算法,实验结果表明:该索引压缩方法能够有效提高倒排索引压缩效率和搜索查询效率。