《信息检索导论 修订版》PDF电子书免费下载

作者:  [美]克里斯托夫·曼宁(Christopher Manning)[美]普拉巴卡尔

出版社: 人民邮电出版社

出版年: 2019年07月

ISBN: 9787115514080

~~滚到底部有网盘下载链接~~

内容简介

目录

第 1章 布尔检索 . 1

1.1 一个信息检索的例子 2

1.2 构建倒排索引的初体验 . 5

1.3 布尔查询的处理 8

1.4 对基本布尔操作的扩展及有序检索 11

1.5 参考文献及补充读物 . 13

第 2章 词项词典及倒排记录表 14

2.1 文档分析及编码转换 . 14

2.1.1 字符序列的生成 . 14

2.1.2 文档单位的选择 . 16

2.2 词项集合的确定 16

2.2.1 词条化 16

2.2.2 去除停用词 19

2.2.3 词项归一化 . 20

2.2.4 词干还原和词形归并 . 23

2.3 基于跳表的倒排记录表快速合并算法 26

2.4 含位置信息的倒排记录表及短语查询 28

2.4.1 二元词索引 . 28

2.4.2 位置信息索引 . 29

2.4.3 混合索引机制 . 31

2.5 参考文献及补充读物 . 32

第 3章 词典及容错式检索 . 34

3.1 词典搜索的数据结构 34

3.2 通配符查询 . 36

3.2.1 一般的通配符查询 . 37

3.2.2 支持通配符查询的k-gram索引 . 38

3.3 拼写校正 39

3.3.1 拼写校正的实现 . 39

3.3.2 拼写校正的方法 40

3.3.3 编辑距离 40

3.3.4 拼写校正中的 k-gram索引 42

3.3.5 上下文敏感的拼写校正 . 43

3.4 基于发音的校正技术 44

3.5 参考文献及补充读物 . 45

第 4章 索引构建 . 46

4.1 硬件基础 46

4.2 基于块的排序索引方法 . 47

4.3 内存式单遍扫描索引构建方法 . 50

4.4 分布式索引构建方法 . 51

4.5 动态索引构建方法 . 54

4.6 其他索引类型 56

4.7 参考文献及补充读物 . 57

第 5章 索引压缩 . 59

5.1 信息检索中词项的统计特性 . 59

5.1.1 Heaps定律:词项数目的估计 61

5.1.2 Zipf定律:对词项的分布建模 . 62

5.2 词典压缩 63

5.2.1 将词典看成单一字符串的 压缩方法 63

5.2.2 按块存储 64

5.3 倒排记录表的压缩 . 66

5.3.1 可变字节码 . 67

5.3.2 γ编码 68

5.4 参考文献及补充读物 74

第 6章 文档评分、词项权重计算及 向量空间模型 76

6.1 参数化索引及域索引 76

6.1.1 域加权评分 78

6.1.2 权重学习 79

6.1.3 权重g 的计算 80

6.2 词项频率及权重计算 . 81

6.2.1 逆文档频率 . 81

6.2.2 tf-idf 权重计算 82

6.3 向量空间模型 83

6.3.1 内积 83

6.3.2 查询向量 86

6.3.3 向量相似度计算 . 87

6.4 其他tf-idf 权重计算方法 . 88

6.4.1 tf的亚线性尺度变换方法 . 88

6.4.2 基于值的tf归一化 . 88

6.4.3 文档权重和查询权重机制 89

6.4.4 文档长度的回转归一化 . 89

6.5 参考文献及补充读物 92

第 7章 一个完整搜索系统中的评分计算 93

7.1 快速评分及排序 . 93

7.1.1 非精确返回前K篇文档的方法 . 94

7.1.2 索引去除技术 . 94

7.1.3 胜者表 . 95

7.1.4 静态得分和排序 . 95

7.1.5 影响度排序 96

7.1.6 簇剪枝方法 . 97

7.2 信息检索系统的组成 98

7.2.1 层次型索引 98

7.2.2 查询词项的邻近性 . 98

7.2.3 查询分析及文档评分函数的 设计 . 99

7.2.4 搜索系统的组成 . 100

7.3 向量空间模型对各种查询操作的支持 101

7.3.1 布尔查询 101

7.3.2 通配符查询 . 102

7.3.3 短语查询 102

7.4 参考文献及补充读物 . 102

第 8章 信息检索的评价 . 103

8.1 信息检索系统的评价 . 103

8.2 标准测试集 . 104

8.3 无序检索结果集合的评价 . 105

8.4 有序检索结果的评价方法 . 108

8.5 相关性判定 . 112

8.6 更广的视角看评价:系统质量及用户效用 . 115

8.6.1 系统相关问题 . 115

8.6.2 用户效用 115

8.6.3 对已有系统的改进 . 116

8.7 结果片段 . 116

8.8 参考文献及补充读物 . 118

第 9章 相关反馈及查询扩展 120

9.1 相关反馈及伪相关反馈 . 120

9.1.1 Rocchio相关反馈算法 . 122

9.1.2 基于概率的相关反馈方法 125

9.1.3 相关反馈的作用时机 125

9.1.4 Web上的相关反馈 . 126

9.1.5 相关反馈策略的评价 127

9.1.6 伪相关反馈 . 127

9.1.7 间接相关反馈 . 128

9.1.8 小结 128

9.2 查询重构的全局方法 . 128

9.2.1 查询重构的词汇表工具 128

9.2.2 查询扩展 129

9.2.3 同义词词典的自动构建 130

9.3 参考文献及补充读物 . 131

第 10章 XML检索 133

10.1 XML的基本概念 134

10.2 XML检索中的挑战性问题 . 137

10.3 基于向量空间模型的XML检索 . 140

10.4 XML检索的评价 144

10.5 XML检索:以文本为中心与以数据为中心的对比 . 146

10.6 参考文献及补充读物 . 148

第 11 章 概率检索模型 150

11.1 概率论基础知识 . 150

11.2 概率排序原理 151

11.2.1 1/0风险的情况 151

11.2.2 基于检索代价的概率排序 原理 152

11.3 二值独立模型 152

11.3.1 排序函数的推导 . 153

11.3.2 理论上的概率估计方法 155

11.3.3 实际中的概率估计方法 156

11.3.4 基于概率的相关反馈方法 157

11.4 概率模型的相关评论及扩展 158

11.4.1 概率模型的评论 . 158

11.4.2 词项之间的树型依赖 159

11.4.3 Okapi BM25:一个非二值的 模型 160

11.4.4 IR中的贝叶斯网络 方法 161

11.5 参考文献及补充读物 . 162

第 12章 基于语言建模的信息检索模型 163

12.1 语言模型 . 163

12.1.1 有穷自动机和语言模型 163

12.1.2 语言模型的种类 . 165

12.1.3 词的多项式分布 . 166

12.2 查询似然模型 . 167

12.2.1 IR中的查询似然模型 167

12.2.2 查询生成概率的估计 167

12.2.3 Ponte和Croft进行的实验 169

12.3 语言建模的方法与其他检索方法的 比较 . 171

12.4 扩展的LM方法 172

12.5 参考文献及补充读物 . 173

第 13章 文本分类及朴素贝叶斯方法 175

13.1 文本分类问题 . 177

13.2 朴素贝叶斯文本分类 . 178

13.3 伯努利模型 . 182

13.4 NB的性质 183

13.5 特征选择 . 188

13.5.1 互信息 . 188

13.5.2 2 统计量 . 191

13.5.3 基于频率的特征选择方法 192

13.5.4 多类问题的特征选择方法 193

13.5.5 不同特征选择方法的比较 193

13.6 文本分类的评价 . 194

13.7 参考文献及补充读物 . 199

第 14章 基于向量空间模型的文本 分类 200

14.1 文档表示及向量空间中的关联度计算 . 201

14.2 Rocchio分类方法 . 202

14.3 k近邻分类器 205

14.4 线性及非线性分类器 . 209

14.5 多类问题的分类 . 212

14.6 偏差—方差折中准则 . 214

14.7 参考文献及补充读物 . 219

第 15章 支持向量机及文档机器学习方法 221

15.1 二类线性可分条件下的支持向量机 221

15.2 支持向量机的扩展 . 226

15.2.1 软间隔分类 . 226

15.2.2 多类情况下的支持向量机 228

15.2.3 非线性支持向量机 228

15.2.4 实验结果 . 230

15.3 有关文本文档分类的考虑 . 231

15.3.1 分类器类型的选择 232

15.3.2 分类器效果的提高 233

15.4 ad hoc检索中的机器学习方法 . 236

15.4.1 基于机器学习评分的简单 例子 . 236

15.4.2 基于机器学习的检索结果 排序 . 238

15.5 参考文献及补充读物 . 239

第 16章 扁平聚类 . 241

16.1 信息检索中的聚类应用 . 242

16.2 问题描述 244

16.3 聚类算法的评价 . 246

16.4 K-均值算法 248

16.5 基于模型的聚类 . 254

16.6 参考文献及补充读物 . 258

第 17章 层次聚类 . 260

17.1 凝聚式层次聚类 . 260

17.2 单连接及全连接聚类算法 . 263

17.3 组平均凝聚式聚类 . 268

17.4 质心聚类 269

17.5 层次凝聚式聚类的性 . 270

17.6 分裂式聚类 272

17.7 簇标签生成 273

17.8 实施中的注意事项 . 274

17.9 参考文献及补充读物 . 275

第 18章 矩阵分解及隐性语义索引 277

18.1 线性代数基础 277

18.2 词项—文档矩阵及SVD . 280

18.3 低秩逼近 282

18.4 LSI 284

18.5 参考文献及补充读物 . 288

第 19章 Web搜索基础 289

19.1 背景和历史 . 289

19.2 Web的特性 290

19.2.1 Web图 291

19.2.2 作弊网页 293

19.3 广告经济模型 . 294

19.4 搜索用户体验 . 296

19.5 索引规模及其估计 297

19.6 近似重复及搭叠 300

19.7 参考文献及补充读物 . 303

第 20章 Web采集及索引 . 304

20.1 概述 . 304

20.1.1 采集器必须提供的 功能特点 304

20.1.2 采集器应该提供的功能特点 304

20.2 采集 . 305

20.2.1 采集器架构 . 305

20.2.2 DNS解析 . 308

20.2.3 待采集URL池 . 309

20.3 分布式索引 311

20.4 连接服务器 312

20.5 参考文献及补充读物 . 314

第 21章 链接分析 . 316

21.1 Web图 316

21.2 PageRank. 318

21.2.1 马尔科夫链 . 318

21.2.2 PageRank的计算 . 320

21.2.3 面向主题的PageRank 322

21.3 Hub网页及Authority网页 325

21.4 参考文献及补充读物. 329

参考文献 331

索引 . 356

显示部分信息

下载价格:免费
立即下载
登入/注册
知识就是力量
没有账号? 忘记密码?