現(xiàn)代信息檢索技術(shù)基本原理教程

第1章 信息檢索技術(shù)概述
1.1 信息檢索技術(shù)的含義
1.1.1 信息的含義
1.1.2 檢索的界定
1.1.3 信息檢索的含義
1.1.4 信息檢索技術(shù)的范疇和領(lǐng)域
1.2 信息檢索技術(shù)研究概覽
1.2.1 國外信息檢索技術(shù)研究概覽
1.2.2 信息檢索技術(shù)的國內(nèi)研究狀況
1.3 信息檢索技術(shù)的前沿問題與研究熱點
1.3.1 信息檢索技術(shù)涉及的相關(guān)重要領(lǐng)域
1.3.2 信息檢索技術(shù)的發(fā)展趨勢
1.3.3 信息檢索技術(shù)的研究熱點
1.4 本章小結(jié)
1.5 習(xí)題

第2章 現(xiàn)代信息檢索技術(shù)一般數(shù)學(xué)原理
2.1 信息檢索集合論
2.2 簡單布爾檢索模型
2.2.1 基本原理
2.2.2 布爾檢索模型的特點
2.3 信息檢索模糊集合論
2.3.1 模糊檢索的數(shù)學(xué)描述
2.3.2 文獻(xiàn)對標(biāo)引詞的隸屬度
2.3.3 提問語言的相關(guān)性描述
2.4 擴(kuò)展布爾檢索模型
2.4.1 基于兩個標(biāo)引詞的情形
2.4.2 推廣到72個標(biāo)引詞空間
2.5 檢索代數(shù)模型
2.5.1 向量空間信息檢索模型原理
2.5.2 潛在語義索引模型
2.5.3 神經(jīng)網(wǎng)絡(luò)檢索模型
2.6 概率論檢索模型
2.6.1 經(jīng)典概率檢索模型
2.6.2 貝葉斯網(wǎng)絡(luò)檢索模型
2.7 其它檢索模型的一般數(shù)學(xué)原理
2.7.1 進(jìn)化計算與遺傳算法
2.7.2 粗糙集理論
2.8 本章小結(jié)
2.9 習(xí)題

第3章 基于文本的索引構(gòu)建技術(shù)
3.1 基于塊的排序索引技術(shù)
3.1.1 索引文檔建立必須考慮的硬件性能
3.1.2 基于塊的排序索引方法
3.2 基于內(nèi)存單次掃描的索引構(gòu)建技術(shù)
3.3 順排文檔索引
3.3.1 表展開法索引
3.3.2 邏輯樹索引
3.4 倒排文檔索引
3.4.1 倒排文檔索引的建立
3.4.2 邏輯提問式的轉(zhuǎn)換
3.4.3 檢索指令表的生成
3.4.4 檢索實施
3.5 本章小結(jié)
3.6 習(xí)題

第4章 基于語言模型的信息檢索技術(shù)
4.1 語言模型概述
4.1.1 有窮自動機(jī)和語言模型
4.1.2 有窮自動機(jī)與語言模型舉例分析
4.2 語言模型創(chuàng)建
4.2.1 語言模型創(chuàng)建過程
4.2.2 選擇建模對象
4.2.3 選擇模型的階數(shù)
4.2.4 平滑方法選擇
4.2.5 排序
4.3 語言模型的檢索語言基礎(chǔ)
4.3.1 檢索語言
4.3.2 語言模型分類
4.4 查詢似然模型
4.4.1 信息檢索中的查詢似然模型
4.4.2 查詢生成概率的估計
4.5 本章小結(jié)
4.6 習(xí)題

第5章 文本分類與樸素貝葉斯分類原理
5.1 文本分類
5.1.1 文本分類的基本思想
5.1.2 文本分類的發(fā)展簡介
5.2 樸素貝葉斯文本分類
5.2.1 貝葉斯分類器
5.2.2 條件概率和乘法定理
5.2.3 極大后驗假設(shè)和極大似然假設(shè)
5.2.4 貝葉斯定理
5.2.5 多項式樸素貝葉斯
5.3 樸素貝葉斯分類模型改進(jìn)
5.3.1 改進(jìn)方法
5.3.2 樸素貝葉斯分類的提升模型
5.3.3 基于特征相關(guān)的改進(jìn)加權(quán)樸素貝葉斯分類
5.3.4 基于特征相關(guān)的改進(jìn)加權(quán)樸素貝葉斯文本分類
5.4 貝努利模型
5.5 多項式模型與貝努利模型的性質(zhì)比較
5.6 文本分類特征選擇
5.6.1 文本分類特征選擇的作用
5.6.2 特征選擇的方法
5.6.3 特征選擇方法類型
5.6.4 文本互信息選擇
5.6.5 X2統(tǒng)計量特征選擇
5.6.6 基于頻率的特征選擇方法
5.7 文本分類評價
5.7.1 數(shù)據(jù)集對象
5.7.2 文本分類評價方法
5.7.3 文本分類評價標(biāo)準(zhǔn)
5.8 本章小結(jié)
5.9 習(xí)題

第6章 信息檢索聚類技術(shù)
6.1 信息聚類的含義
6.2 典型的聚類算法類型
6.3 聚類假設(shè)及聚類應(yīng)用
6.3.1 聚類假設(shè)及信息檢索的一般聚類應(yīng)用
6.3.2 信息聚類的檢索應(yīng)用舉例
6.4 聚類算法的目標(biāo)函數(shù)描述
6.5 聚類算法評價
6.6 K均值算法
6.6.1 K-Means聚類算法的目標(biāo)函數(shù)
6.6.2 K-Means的算法流程
6.6.3 K-Means聚類算法改進(jìn)
6.7 基于模型的聚類
6.8 凝聚式層次聚類
6.8.1 凝聚式層次聚類思想
6.8.2 凝聚式層次聚類算法應(yīng)用舉例
6.9 單連接與全連接聚類算法
6.10 組平均凝聚式聚類與質(zhì)心聚類
6.10.1 組平均凝聚式聚類
6.10.2 質(zhì)心聚類
6.11 本章小結(jié)
6.12 習(xí)題

第7章 跨語言信息檢索技術(shù)
7.1 跨語言信息檢索技術(shù)概述
7.2 跨語言信息檢索技術(shù)的研究發(fā)展
7.3 跨語言信息檢索技術(shù)的基本框架
7.4 跨語言信息檢索技術(shù)及其分類
7.4.1 同源匹配技術(shù)
7.4.2 查詢翻譯技術(shù)
7.4.3 中間語言翻譯方法
7.4.4 文獻(xiàn)翻譯
7.4.5 不翻譯技術(shù)
7.4.6 基于媒體對象的跨語言信息檢索分類
7.5 跨語言信息檢索的主要研究熱點
……
第8章 圖像檢索技術(shù)
第9章 音頻信息檢索技術(shù)
第10章 視頻檢索技術(shù)
第11章 Web搜索技術(shù)
參考文獻(xiàn)