包邮信息检索导论

第1章 布尔检索1.1 一个信息检索的例子1.2 构建倒排索引的初体验1.3 布尔查询的处理1.4 对基本布尔操作的扩展及有序检索1.5 参考文献及补充读物第2章 词项词典及倒排记录表2.1 文档分析及编码转换2.1.1 字符序列的生成2.1.2 文档单位的选择2.2 词项集合的确定2.2.1 词条化2.2.2 去除停用词2.2.3 词项归一化2.2.4 词干还原和词形归并2.3 基于跳表的倒排记录表快速合并算法2.4 含位置信息的倒排记录表及短语查询2.4.1 二元词索引2.4.2 位置信息索引2.4.3 混合索引机制2.5 参考文献及补充读物第3章 词典及容错式检索3.1 词典搜索的数据结构3.2 通配符查询3.2.1 一般的通配符查询3.2.2 支持通配符查询的K-gram索引3.3 拼写校正3.3.1 拼写校正的实现3.3.2 拼写校正的方法3.3.3 编辑距离3.3.4 拼写校正中的K-gram索引3.3.5 上下文敏感的拼写校正3.4 基于发音的校正技术3.5 参考文献及补充读物第4章 索引构建4.1 硬件基础4.2 基于块的排序索引方法4.3 内存式单遍扫描索引构建方法4.4 分布式索引构建方法4.5 动态索引构建方法4.6 其他索引类型4.7 参考文献及补充读物第5章 索引压缩5.1 信息检索中词项的统计特性5.1.1 Heaps定律：词项数目的估计5.1.2 zipfd定律：对词项的分布建模5.2 词典压缩5.2.1 将词典看成单一字符串的压缩方法5.2.2 按块存储5.3 倒排记录表的压缩5.3.1 可变字节码5.3.2 y编码5.4 参考文献及补充读物第6章 文档评分、词项权重计算及向量空间模型6.1 参数化索引及域索引6.1.1 域加权评分6.1.2 权重学习6.1.3 *优权重g的计算6.2 词项频率及权重计算6.2.1 逆文档频率6.2.2 tf-idf权重计算6.3 向量空间模型6.3.1 内积6.3.2 查询向量6.3.3 向量相似度计算6.4 其他tf-idf权重计算方法6.4.1 tf的亚线性尺度变换方法6.4.2 基于*大值的tf归一化6.4.3 文档权重和查询权重机制6.4.4 文档长度的回转归一化6.5 参考文献及补充读物第7章 一个完整搜索系统中的评分计算7.1 快速评分及排序7.1.1 非精确返回前脯文档的方法7.1.2 索引去除技术7.1.3 胜者表7.1.4 静态得分和排序7.1.5 影响度排序7.1.6 簇剪枝方法7.2 信息检索系统的组成7.2.1 层次型索引7.2.2 查询词项的邻近性7.2.3 查询分析及文档评分函数的设计7.2.4 搜索系统的组成7.3 向量空间模型对各种查询操作的支持7.3.1 布尔查询7.3.2 通配符查询7.3.3 短语查询7.4 参考文献及补充读物第8章 信息检索的评价8.1 信息检索系统的评价8.2 标准测试集8.3 无序检索结果集合的评价8.4 有序检索结果的评价方法8.5 相关性判定8.6 更广的视角看评价：系统质量及用户效用8.6.1 系统相关问题8.6.2 用户效用8.6.3 对已有系统的改进8.7 结果片段8.8 参考文献及补充读物第9章 相关反馈及查询扩展9.1 相关反馈及伪相关反馈9.1.1 Rocchio相关反馈算法9.1.2 基于概率的相关反馈方法9.1.3 相关反馈的作用时机9.1.4 Web上的相关反馈9.1.5 相关反馈策略的评价9.1.6 伪相关反馈9.1.7 间接相关反馈9.1.8 小结9.2 查询重构的全局方法9.2.1 查询重构的词汇表工具9.2.2 查询扩展9.2.3 同义词词典的自动构建9.3 参考文献及补充读物第10章 XML检索10.1 XML的基本概念10.2 XML检索中的挑战性问题10-3基于向量空间模型的XML检索10.4 XML检索的评价10.5 XML检索：以文本为中心与以数据为中心的对比10.6 参考文献及补充读物第11章 概率检索模型11.1 概率论基础知识11.2 概率排序原理11.2.1 I／O风险的情况11.2.2 基于检索代价的概率排序原理11.3 二值独立模型11.3.1 排序函数的推导11.3.2 理论上的概率估计方法11.3.3 实际中的概率估计方法11.3.4 基于概率的相关反馈方法11.4 概率模型的相关评论及扩展11.4.1 概率模型的评论11.4.2 词项之间的树型依赖11.4.3 OkapiBM25：一个非二值的模型11.4.4 IR中的贝叶斯网络方法11.5 参考文献及补充读物第12章 基于语言建模的信息检索模型12.1 语言模型12.1.1 有穷自动机和语言模型12.1.2 语言模型的种类12.1.3 词的多项式分布12.2 查询似然模型12.2.1 IR中的查询似然模型12.2.2 查询生成概率的估计12.2.3 Ponte和Croft进行的实验12.3 语言建模的方法与其他检索方法的比较12.4 扩展的LM方法12.5 参考文献及补充读物第13章 文本分类及朴素贝叶斯方法13.1 文本分类问题13.2 朴素贝叶斯文本分类13.3 贝努利模型13.4 NB的性质13.5 特征选择13.5.1 互信息13.5.2 X2统计量13.5.3 基于频率的特征选择方法13.5.4 多类问题的特征选择方法13.5.5 不同特征选择方法的比较13.6 文本分类的评价13.7 参考文献及补充读物第14章 基于向量空间模型的文本分类14.1 文档表示及向量空间中的关联度计算14.2 Rocchio分类方法14.3 K近邻分类器-14.4 线性及非线性分类器14.5 多类问题的分类14.6 偏差一方差折中准则14.7 参考文献及补充读物第15章 支持向量机及文档机器学习方法15.1 二类线性可分条件下的支持向量机15.2 支持向量机的扩展15.2.1 软间隔分类15.2.2 多类情况下的支持向量机15.2.3 非线性支持向量机15.2.4 实验结果15.3 有关文本文档分类的考虑15.3.1 分类器类型的选择15.3.2 分类器效果的提高15.4 adhoc检索中的机器学习方法15.4.1 基于机器学习评分的简单例子15.4.2 基于机器学习的检索结果排序15.5 参考文献及补充读物第16章 扁平聚类16.1 信息检索中的聚类应用16.2 问题描述16.3 聚类算法的评价16.4 K-均值算法16.5 基于模型的聚类16.6 参考文献及补充读物第17章 层次聚类17.1 凝聚式层次聚类17.2 单连接及全连接聚类算法17.3 组平均凝聚式聚类17.4 质心聚类17.5 层次凝聚式聚类的*优性17.6 分裂式聚类17.7 簇标签生成17.8 实施中的注意事项17.9 参考文献及补充读物第18章 矩阵分解及隐性语义索引18.1 线性代数基础18.2 词项一文档矩阵及SVD18.3 低秩逼近18.4 LSI18.5 参考文献及补充读物第19章 Web搜索基础19.1 背景和历史19.2 Web的特性19.2.1 Web图19.2.2 作弊网页19.3 广告经济模型19.4 搜索用户体验19.5 索引规模及其估计19.6 近似重复及shingling19.7 参考文献及补充读物第20章 Web采集及索引20.1 概述20.1.1 采集器必须提供的功能特点20.1.2 采集器应该提供的功能特点20.2 采集20.2.1 采集器架构20.2.2 DNS解析20.2.3 待采集URL池20.3 分布式索引20.4 连接服务器20.5 参考文献及补充读物第21章 链接分析21.1 Web图21.2 PageRank21.2.1 马尔科夫链21.2.2 PageRank的计算21.2.3 面向主题的PageRank21.3Hub网页及Authority网页21.4 参考文献及补充读物参考文献索引