管理海量數據：壓縮、索引和查詢（第2版經典再現全新修訂版）

定　價：￥108.00

作　者：	（美）Ian H.Witten ，（美）Alistair Moffat，（美）Timothy C.Bell 著，梁斌，楊青譯
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	計算機與互聯網數據庫

購買這本書可以去

ISBN：	9787121219337	出版時間：	2014-01-01	包裝：	平裝
開本：	16開	頁數：		字數：

內容簡介

　　《管理海量數據：壓縮、索引和查詢（第2版）（經典再現全新修訂版）》是斯坦福大學信息檢索和挖掘課程的首選教材之一，并已成為全球主要大學信息檢索的主要教材?！豆芾砗Ａ繑祿簤嚎s、索引和查詢（第2版）》理論和實踐并重，深入淺出地給出了海量信息數據處理的整套解決方案，包括壓縮、索引和查詢的方方面面。其最大的特色在于不僅僅滿足信息檢索理論學習的需要，更重要的是給出了實踐中可能面對的各種問題及其解決方法?！豆芾砗Ａ繑祿簤嚎s、索引和查詢（第2版）（經典再現全新修訂版）》作為斯坦福大學信息檢索課程的教材之一，具有一定的閱讀難度，主要面向信息檢索專業(yè)高年級本科生和研究生、搜索引擎業(yè)界的專業(yè)技術人員和從事海量數據處理相關專業(yè)的技術人員。

作者簡介

　　作者是南半球院校當中最權威最重要的專家，本書當中闡釋了他們多項創(chuàng)新性研究。他們寫過8本書，300多篇研究論文，也在許多國際性程序協(xié)會當中做過研究，包括 IEEE數據壓縮協(xié)會，ACM數字圖書館，以及信息檢索協(xié)會。譯者楊青，畢業(yè)于清華大學計算機系，原人民搜索技術總監(jiān)，參與網頁搜索、新聞搜索等多個產品項目的研發(fā)工作，在搜索引擎上面有多年的實踐經驗。梁斌，清華大學計算機系博士研究生在讀，在搜狗和金山軟件等多個公司從事搜索引擎和內容推薦的研發(fā)工作，曾編著《走進搜索引擎》。

圖書目錄

第1章概覽
1.1 文檔數據庫（document databases）
1.2 壓縮（compression）
1.3 索引（indexes）
1.4 文檔索引
1.5 MG海量文檔管理系統(tǒng)
第2章文本壓縮
2.1 模型
2.2 自適應模型
2.3 哈夫曼編碼
范式哈夫曼編碼
計算哈夫曼編碼長度
總結
2.4 算術編碼
算術編碼是如何工作的
實現算術編碼
保存累積計數
2.5 符號模型
部分匹配預測
塊排序壓縮
動態(tài)馬爾科夫壓縮
基于單字的壓縮
2.6 字典模型
自適應字典編碼器的LZ77系列
LZ77的Gzip變體
自適應字典編碼器的LZ78系列
LZ78的LZW變體
2.7 同步
創(chuàng)造同步點
自同步編碼
2.8 性能比較
壓縮性能
壓縮速度
其他性能方面的考慮
第3章索引
3.1 樣本文檔集合
3.2 倒排文件索引
3.3 壓縮倒排文件
無參模型（Nonparameterized models）
全局貝努里模型
全局觀測頻率模型（Global observed frequency model）
局部貝努里模型（Local Bernoulli model）
有偏貝努里模型（Skewed Bernoulli model）
局部雙曲模型（Local hyperbolic model）
局部觀測頻率模型（Local observed frequency model）
上下文相關壓縮（Context-sensitive compression）
3.4 索引壓縮方法的效果
3.5 簽名文件和位圖
簽名文件
位片簽名文件（Bitsliced signature files）
簽名文件分析
位圖
簽名文件和位圖的壓縮
3.6 索引方法的比較
3.7 大小寫折疊、詞根化和停用詞
大小寫折疊
詞根化
影響索引長度的因素
停用詞（stop word）
第4章查詢
4.1 訪問字典的方法
訪問數據結構
前端編碼（Front coding）
最小完美哈希函數
完美哈希函數的設計
基于磁盤的字典存儲
4.2 部分指定的查詢術語
字符串暴力匹配（Brute-force string matching）
用n-gram索引
循環(huán)字典（Rotated lexicon）
4.3 布爾查詢（BOOLEAN QUERY）
合取查詢（conjunctive query）
術語處理順序
隨機訪問和快速查找
分塊倒排索引
非合取查詢（Nonconjunctive Query）
4.4 信息檢索和排名
坐標匹配（Coordinate matching）
內積相似度
向量空間模型
4.5 檢索效果評價
召回率和精確率
召回率精確率曲線
TREC項目
萬維網搜索（World Wide Web Searching）
其他有效性評價方法
4.6 余弦法實現
文檔內頻率
余弦值的計算方法
文檔權重所需的內存
累加器內存
快速查詢處理
按頻率排序的索引
排序
4.7 交互式檢索
相關性反饋
概率模型
4.8 分布式檢索
第5章索引構造
計算模型
索引構造方法概覽
5.1 基于內存的倒排
5.2 基于排序的倒排
5.3 索引壓縮
壓縮臨時文件
多路歸并
原地多路歸并
5.4 壓縮的內存內倒排
大內存倒排
基于字典的切分（Lexicon-based partitioning）
基于文本的切分
5.5 倒排方法的比較
5.6 構造簽名文件和位圖
5.7 動態(tài)文檔集合
擴展文本（Expanding the text）
索引擴展（Expanding the index）
第6章圖像壓縮
6.1 圖像類型
6.2 CCITT二值圖像的傳真標準
6.3 二值圖像的上下文壓縮
上下文模型
二值上下文模型
“超視力”壓縮（Clairvoyant compression）
6.4 JBIG：二值圖像標準
分辨率降低（Resolution reduction）
模板和自適應模板
編碼及概率估計
6.5 連續(xù)色調圖像的無損壓縮
GIF和PNG無損圖像格式
FELICS：快速、有效且無損圖像壓縮系統(tǒng)
CALIC：基于上下文自適應無損圖像解碼器
JPEG-LS：無損圖像壓縮新標準
6.6 JPEG：連續(xù)色調圖像標準
6.7 圖像的遞增傳輸
金字塔編碼
金字塔編碼的壓縮
中位數聚合
誤差模型
6.8 圖像壓縮技術總結
第7章文本圖像
7.1 文本圖像壓縮概念
7.2 有損壓縮和無損壓縮
7.3 標記抽取
跟蹤標記的邊界
清除圖像中的標記
按自然閱讀順序排序標記
7.4 模板匹配
全局模板匹配
局部模板匹配
基于壓縮的模板匹配
庫模板篩法
評價模板匹配方法
7.5 從標記到符號
庫構造
符號及其偏移量
7.6 編碼文本圖像分量
庫
符號數
符號偏移
原始圖像
7.7 效果：有損和無損的模式
7.8 系統(tǒng)考慮
7.9 JBIG2：圖像文本壓縮標準
第8章混合圖文
8.1 方向
用Hough變換檢測直線
左側留白查找
投影輪廓
從斜率直方圖到文本譜
8.2 切分
自下向上的切分方法
自上向下的組合的切分方法
基于標記的切分
使用短文本字符串切分
利用文本句法切分
8.3 分類
第9章系統(tǒng)實現
9.1 文本壓縮
選擇壓縮模型
選擇編碼器
哈夫曼編碼的限制
長度限制的編碼
9.2 文本壓縮效果
壓縮有效性
解壓速度
解壓內存
動態(tài)文檔集合
9.3 圖像和文本圖像
壓縮二值圖像
壓縮灰度圖像
壓縮文本圖像
9.4 構造索引
9.5 索引壓縮
9.6 查詢處理
布爾查詢
排名查詢
附錄A mg系統(tǒng)指南
A.1 安裝MG系統(tǒng)
A.2 一個簡單的存儲和檢索例子
A.3 數據庫創(chuàng)建
A.4 對一個索引文檔集合進行查詢
A.5 非文本文件
A.6 圖像壓縮程序
附錄B 新西蘭圖書館
B.1 什么是NZDL
計算機科學報告（Computer Science Technical Reports）
其他文檔集合
文檔集合的發(fā)展
音頻集合（audio collections）
音調索引（Melody Index）
B.2 NZDL是如何工作的
原始文檔
搜索和索引
B.3 影響
參考文獻