搜索引擎：信息檢索實踐

出版者的話
譯者序
前言
第1章 搜索引擎和信息檢索
　1.1 什么是信息檢索
　1.2 重要問題
　1.3 搜索引擎
　1.4 搜索工程師
　參考文獻和深入閱讀
　練習(xí)
第2章 搜索引擎的架構(gòu)
　2.1 什么是軟件架構(gòu)
　2.2 基本的構(gòu)件
　2.3 組件及其功能
　　2.3.1 文本采集
　　2.3.2 文本轉(zhuǎn)換
　　2.3.3 索引的創(chuàng)建
　　2.3.4 用戶交互
　　2.3.5 排序
　　2.3.6 評價
　2.4 搜索引擎是如何工作的
　參考文獻和深入閱讀
　練習(xí)
第3章 信息采集和信息源
　3.1 確定搜索的內(nèi)容
　3.2 網(wǎng)絡(luò)信息爬取
　　3.2.1 抓取網(wǎng)頁
　　3.2.2 網(wǎng)絡(luò)爬蟲
　　3.2.3 時新性
　　3.2.4 面向主題的信息采集
　　3.2.5 深層網(wǎng)絡(luò)
　　3.2.6 網(wǎng)站地圖
　　3.2.7 分布式信息采集
　3.3 文檔和電子郵件的信息采集
　3.4 文檔信息源
　3.5 轉(zhuǎn)換問題
　3.6 存儲文檔
　　3.6.1 使用數(shù)據(jù)庫系統(tǒng)
　　3.6.2 隨機存取
　　3.6.3 壓縮和大規(guī)模文件
　　3.6.4 更新
　　　3.6.5 BigTable
　3.7 重復(fù)檢測
　3.8 去除噪聲
　參考文獻和深入閱讀
　練習(xí)
第4章 文本處理
　4.1 從詞到詞項
　4.2 文本統(tǒng)計
　　4.2.1 詞表增長
　　4.2.2 估計數(shù)據(jù)集和結(jié)果集大小
　4.3 文檔解析
　　4.3.1 概述
　　4.3.2 詞素切分
　　4.3.3 停用詞去除
　　4.3.4 詞干提取
　　4.3.5 短語和n元串
　4.4 文檔結(jié)構(gòu)和標(biāo)記
　　4.5 鏈接分析
　　4.5.1 錨文本
　　4.5.2 PageRank
　　4.5.3 鏈接質(zhì)量
　4.6 信息抽取
　4.7 國際化
　參考文獻和深入閱讀
　練習(xí)
第5章 基于索引的相關(guān)排序
　5.1 概述
　5.2 抽象的相關(guān)排序模型
　5.3 倒排索引
　　5.3.1 文檔
　　5.3.2 計數(shù)
　　5.3.3 位置
　　5.3.4 域與范圍
　　5.3.5 分?jǐn)?shù)
　　5.3.6 排列
　5.4 壓縮
　　5.4.1 熵與歧義
　　5.4.2 Delta編碼
　　5.4.3 位對齊碼
　　5.4.4 字節(jié)對齊碼
　　5.4.5 實際應(yīng)用中的壓縮
　　5.4.6 展望
　　5.4.7 跳轉(zhuǎn)和跳轉(zhuǎn)指針
　5.5 輔助結(jié)構(gòu)
　5.6 索引構(gòu)建
　　5.6.1 簡單構(gòu)建
　　5.6.2 融合
　　5.6.3 并行與分布式
　　5.6.4 更新
　5.7 查詢處理
　　5.7.1 document-at-a-time評價
　　5.7.2 term-at-a-time評價
　　5.7.3 優(yōu)化技術(shù)
　　5.7.4 結(jié)構(gòu)化查詢
　　5.7.5 分布式的評價
　　5.7.6 緩存
　參考文獻和深入閱讀
　練習(xí)
第6章 查詢與界面
　6.1 信息需求與查詢
　6.2 查詢轉(zhuǎn)換與提煉
　　6.2.1 停用詞去除和詞干提取
　　6.2.2 拼寫檢查和建議
　　6.2.3 查詢擴展
　　6.2.4 相關(guān)反饋
　　6.2.5 上下文和個性化
　6.3 搜索結(jié)果顯示
　　6.3.1 搜索結(jié)果頁面與頁面摘要
　　6.3.2 廣告與搜索
　　6.3.3 結(jié)果聚類
　6.4 跨語言搜索
　參考文獻和深入閱讀
　練習(xí)
第7章 檢索模型
　7.1 檢索模型概述
　　7.1.1 布爾檢索
　　7.1.2 向量空間模型
　7.2 概率模型
　　7.2.1 將信息檢索作為分類問題
　　7.2.2 BM25排序算法
　7.3 基于排序的語言模型
　　7.3.1 查詢項似然排序
　　7.3.2 相關(guān)性模型和偽相關(guān)反饋
　7.4 復(fù)雜查詢和證據(jù)整合
　　7.4.1 推理網(wǎng)絡(luò)模型
　　7.4.2 Galago查詢語言
　7.5 網(wǎng)絡(luò)搜索
　7.6 機器學(xué)習(xí)和信息檢索
　　7.6.1 排序?qū)W習(xí)
　　7.6.2 主題模型和詞匯不匹配
　7.7 基于應(yīng)用的模型
　參考文獻和深入閱讀
　練習(xí)
第8章 搜索引擎評價
　8.1 搜索引擎評價的意義
　8.2 評價語料
　8.3 日志
　8.4 效果評價
　　8.4.1 召回率和準(zhǔn)確率
　　8.4.2 平均化和插值
　　8.4.3 關(guān)注排序靠前的文檔
　　8.4.4 使用用戶偏好
　8.5 效率評價
　8.6 訓(xùn)練、測試和統(tǒng)計
　　8.6.1 顯著性檢驗
　　8.6.2 設(shè)置參數(shù)值
　　8.6.3 在線測試
　8.7 基本要點
　參考文獻和深入閱讀
　練習(xí)
第9章 分類和聚類
　9.1 分類
　　9.1.1 樸素貝葉斯
　　9.1.2 支持向量機
　　9.1.3 評價
　　9.1.4 分類器和特征選擇
　　9.1.5 垃圾、情感及在線廣告
　9.2 聚類
　　9.2.1 層次聚類和K均值聚類
　　9.2.2 K近鄰聚類
　　9.2.3 評價
　　9.2.4 如何選擇K
　　9.2.5 聚類和搜索
　參考文獻和深入閱讀
　練習(xí)
第10章 社會化搜索
　10.1 什么是社會化搜索
　10.2 用戶標(biāo)簽和人工索引
　　10.2.1 搜索標(biāo)簽
　　10.2.2 推測缺失的標(biāo)簽
　　10.2.3 瀏覽和標(biāo)簽云
　10.3 社區(qū)內(nèi)搜索
　　10.3.1 什么是社區(qū)
　　10.3.2 社區(qū)發(fā)現(xiàn)
　　10.3.3 基于社區(qū)的問答
　　10.3.4 協(xié)同搜索
　10.4 過濾和推薦
　　10.4.1 文檔過濾
　　10.4.2 協(xié)同過濾
　10.5 P2P搜索和元搜索
　　10.5.1 分布式搜索
　　10.5.2 P2P網(wǎng)絡(luò)
　參考文獻和深入閱讀
　練習(xí)
第11章 超越詞袋
　11.1 概述
　11.2 基于特征的檢索模型
　11.3 詞項依賴模型
　11.4 再談結(jié)構(gòu)化
　　11.4.1 XML檢索
　　11.4.2 實體搜索
　11.5 問題越長，答案越好
　11.6 詞語、圖片和音樂
　11.7 搜索能否適用于所有情況
　參考文獻和深入閱讀
　練習(xí)
參考文獻