管理海量數(shù)據(jù)：壓縮、索引和查詢（第2版 經(jīng)典再現(xiàn)全新修訂版）

第1章 概覽
1.1 文檔數(shù)據(jù)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(yīng)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(jié)
2.4 算術(shù)編碼
算術(shù)編碼是如何工作的
實現(xiàn)算術(shù)編碼
保存累積計數(shù)
2.5 符號模型
部分匹配預(yù)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(yīng)字典編碼器的LZ77系列
LZ77的Gzip變體
自適應(yīng)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(guān)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(shù)據(jù)結(jié)構(gòu)
前端編碼（Front coding）
最小完美哈希函數(shù)
完美哈希函數(shù)的設(shè)計
基于磁盤的字典存儲
4.2 部分指定的查詢術(shù)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(shù)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(nèi)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(wǎng)搜索（World Wide Web Searching）
其他有效性評價方法
4.6 余弦法實現(xiàn)
文檔內(nèi)頻率
余弦值的計算方法
文檔權(quán)重所需的內(nèi)存
累加器內(nèi)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(guān)性反饋
概率模型
4.8 分布式檢索
第5章 索引構(gòu)造
計算模型
索引構(gòu)造方法概覽
5.1 基于內(nèi)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(nèi)存內(nèi)倒排
大內(nèi)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(gòu)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(yīng)模板
編碼及概率估計
6.5 連續(xù)色調(diào)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(yīng)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(diào)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(shù)聚合
誤差模型
6.8 圖像壓縮技術(shù)總結(jié)
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(gòu)造
符號及其偏移量
7.6 編碼文本圖像分量
庫
符號數(shù)
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(cè)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(xiàn)
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(nèi)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(gòu)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(shù)據(jù)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(xué)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(diào)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