有没最快速的集合过滤算法

Question

比如有多个list<String>的对象集合：
list1：[我][是][中][国][人]
list2：[我][在][中][国]
list3：[我][是][人]
list4：[我][在][家]
list5：[我][不][系][上][海][人]
.....

怎么快速在众多集合中找出包括“人”“是”的list?
目前的我的做法只能建简单的索引，即把“人”当作一个key,对应的集合当作value,放进hashmap里面，然后把各字得出来的集合再求交集。
即查“人”的结果集合是list1,list3,list5；“是”的结果集合是list1，list3，所以交集结果是：list1,list3。
但这里会有个问题，我不能利用“人”得出来的中间结果list1,list3,list5，再在这些集合的基础去过滤“是”。
集合可能会比较多，对性能要求比较高，所以有没有利用中间结果的高效方法，或者其他更好办法？
问题补充

buaawhl 写道

楼主的需求类似于全文检索（Full text search） -- google, baidu
需要建立一个反向索引表，正如楼主所做的。
楼主的需求是组合关键字。有些全文搜索引擎开源项目，也许可以参考算法实现。
比如，lucene, sphinx

两个或多个集合求交集，应该会有高效率的算法。

对，我参考的就是反向索引，但我知道的只是表层，lucene的算法具体实现我还真没研究过。。。搜索引擎都是boolean运算，不一定是集合运算。。还真想不出好方法
问题补充
补充点，我这个东西都是内存版的，全部在内存运行
问题补充

zhrb 写道

这个东西，遍历一遍建立一个倒排索引，不过在搜索前一定要建立索引就是了
应该就可以了吧....

我现在那种索引就是倒排索引嘛，只是说，集合多的时候怎么筛选会有效率

Answer 1

倒排索引加bit map &&啊
以你的例子来说，一共五个文档，就作5个bit的索引好了
[我]在5篇文章中都有，所以 Index[我]=11111
[是]在1、3中有，所以Index[是]=10100
同理
Index[中]=11000
Index[国]=11000
Index[人]=10101
这样的话Index[A&B]=Index[A]&Index[B]
也就是说，你想得到[中]和[人]在哪篇文章中出现，只要把它们的Index按位与就行了。
也即 Index[中&人]=Index[中]&Index[人]=11000&10101=10000，这就说明在且仅在第一篇文章中同时出现了[中]和[人]。
以上就是你在搜索引擎中搜索多关键词的过程，当然在真实使用时由于文章数量很多，建的倒排索引都是稀疏的，往往用链表来作，也就需要自己实现稀疏链表上的按位与了。