Web搜索

第1章 導(dǎo)論
　　1.1 Web搜索的定義
　　1.2 Web搜索的發(fā)展背景
　　1.3 Web搜索的挑戰(zhàn)性
　　1.4 Web搜索的科學(xué)價(jià)值
　　1.5 Web搜索的研究狀況
　　1.6 本書的內(nèi)容
　　
　　第2章 文本檢索
　　2.1 引言
　　2.2 Web信息采集
　　2.2.1 Crawler的基本原理
　　2.2.2 Crawler的工作效率
　　2.2.3 Crawler的難題
　　2.3 文本的保存與索引
　　2.3.1 預(yù)處理
　　2.3.2 文本的保存
　　2.3.3 文本的索引
　　2.3.4 索引詞的選取
　　2.4 檢索模型
　　2.4.1 Boolean模型
　　2.4.2 VSM
　　2.4.3 概率模型
　　2.5 網(wǎng)頁(yè)排序
　　2.6 查詢重構(gòu)
　　2.6.1 用戶相關(guān)反饋
　　2.6.2 自動(dòng)局部分析
　　2.6.3 自動(dòng)全局分析
　　2.7 文本聚類
　　2.7.1 區(qū)分法
　　2.7.2 生成法
　　2.8 文本分類
　　2.8.1 K-NN分類器
　　2.8.2 Bayes分類器
　　2.8.3 最大熵分類器
　　2.8.4 區(qū)分式分類器
　　2.9 特征選擇
　　2.9.1 包含算法
　　2.9.2 排除算法
　　2.1 0特征變換
　　2.1 0.1 自組織映射
　　2.1 0.2 潛語(yǔ)義標(biāo)號(hào)
　　小結(jié)
　　習(xí)題
　　
　　第3章 圖像檢索
　　3.1 引言
　　3.2 圖像檢索的發(fā)展過(guò)程
　　3.3 文本自動(dòng)標(biāo)注
　　3.3.1 基于二維多粒度隱：Markov模型的二類標(biāo)注
　　3.3.2 有監(jiān)督的多類標(biāo)注SMI
　　3.4 物體識(shí)別
　　3.4.1 星群模型
　　3.4.2 異構(gòu)星狀模型
　　3.5 文字識(shí)別
　　3.5.1 引言
　　3.5.2 離線文字識(shí)別系統(tǒng)
　　3.5.3 非線性歸一化
　　3.5.4 余弦整形變換
　　3.5.5 方向線素特征抽取
　　3.5.6 漸進(jìn)式計(jì)算的馬氏距離分類器
　　3.5.7 基于模具的文字切分
　　3.6 人臉檢測(cè)與識(shí)別
　　3.6.1 Adaboost人臉檢測(cè)算法
　　3.6.2 常見(jiàn)的人臉識(shí)別算法
　　3.6.3 非限定性人臉識(shí)別算法
　　3.7 視頻檢索
　　3.7.1 概述
　　3.7.2 鏡頭切分
　　3.7.3 視頻摘要
　　小結(jié)
　　習(xí)題
　　
　　第4章 音頻檢索
　　4.1 引言
　　4.2 聲學(xué)特征抽取
　　4.2.1 時(shí)域特征抽取
　　4.2.2 頻域特征抽取
　　4.3 HMM模型
　　4.3.1 基本概念與原理
　　4.3.2 3個(gè)基本問(wèn)題及其經(jīng)典算法.
　　4.4 連續(xù)語(yǔ)音識(shí)別系統(tǒng)
　　4.4.1 基于HMM的語(yǔ)音識(shí)別統(tǒng)一框架
　　4.4.2 聲學(xué)模型
　　4.4.3 語(yǔ)言模型
　　4.4.4 解碼器
　　4.5 語(yǔ)音關(guān)鍵詞發(fā)現(xiàn)技術(shù)
　　4.5.1 基于垃圾模型的關(guān)鍵詞發(fā)現(xiàn)
　　4.5.2 語(yǔ)音關(guān)鍵詞發(fā)現(xiàn)中的核心問(wèn)題
　　4.5.3 一個(gè)側(cè)重確認(rèn)的語(yǔ)音關(guān)鍵詞發(fā)現(xiàn)系統(tǒng)
　　4.6 語(yǔ)音詞匯檢測(cè)技術(shù)
　　4.6.1 混淆網(wǎng)絡(luò)
　　4.6.2 一個(gè)基于音節(jié)混淆網(wǎng)絡(luò)的STD系統(tǒng)
　　4.7 非語(yǔ)音音頻檢索
　　4.7.1 概述
　　4.7.2 聲學(xué)模型
　　4.7.3 語(yǔ)義模型
　　4.7.4 聲學(xué)空間與語(yǔ)義空間的聯(lián)系
　　4.8 音樂(lè)檢索
　　4.8.1 概述
　　4.8.2 哼唱檢索
　　4.8.3 基于語(yǔ)義描述的音樂(lè)標(biāo)注及檢索
　　小結(jié)
　　習(xí)題
　　
　　第5章 信息過(guò)濾
　　5.1 引言
　　5.2 基本方法
　　5.2.1 基于Bayes分類器的過(guò)濾
　　5.2.2 基于向量距離分類器的過(guò)濾
　　5.2.3 基于k近鄰分類器的過(guò)濾
　　5.2.4 基于SVM的過(guò)濾
　　5.2.5 系統(tǒng)性能評(píng)價(jià)
　　5.3 模型學(xué)習(xí)
　　5.3.1 生成式與區(qū)分式學(xué)習(xí)
　　5.3.2 降維變換
　　5.3.3 半監(jiān)督學(xué)習(xí)
　　5.3.4 演進(jìn)式學(xué)習(xí)
　　5.4 垃圾郵件及垃圾短信過(guò)濾
　　5.4.1 垃圾郵件過(guò)濾系統(tǒng)
　　5.4.2 垃圾短信的過(guò)濾
　　5.5 話題檢測(cè)與跟蹤系統(tǒng)
　　5.5.1 報(bào)道分割
　　5.5.2 事件檢測(cè)
　　5.5.3 事件跟蹤
　　小結(jié)
　　習(xí)題
　　
　　第6章 信息推薦
　　6.1 引言
　　6.2 關(guān)聯(lián)規(guī)則挖掘的基本算法
　　6.2.1 基本定義
　　6.2.2 Apfiofi關(guān)聯(lián)規(guī)則挖掘算法
　　6.2.3 基于FPT的算法
　　6.3 可信關(guān)聯(lián)規(guī)則及其挖掘算法
　　6.3.1 相關(guān)定義
　　6.3.2 用鄰接矩陣求2項(xiàng)可信集
　　6.3.3 由k項(xiàng)可信集生成(k+1)項(xiàng)可信集
　　6.3.4 基于極大團(tuán)的可信關(guān)聯(lián)規(guī)則挖掘算法
　　6.4 基于FPT的超團(tuán)模式快速挖掘算法
　　6.4.1 相關(guān)定義
　　6.4.2 基于FPT的超團(tuán)模式和極大超團(tuán)模式挖掘
　　6.5 協(xié)同過(guò)濾推薦的基本算法
　　6.6 基于局部偏好的協(xié)同過(guò)濾推薦算法
　　6.7 基于個(gè)性化主動(dòng)學(xué)習(xí)的協(xié)同過(guò)濾
　　6.8 面向排序的協(xié)同過(guò)濾
　　小結(jié)
　　習(xí)題
　　
　　第7章 發(fā)展前沿
　　7.1 內(nèi)網(wǎng)檢索及對(duì)象檢索
　　7.2 基于文檔的專家檢索
　　7.2.1 基于文檔的專家表示
　　7.2.2 基于文檔的專家檢索
　　7.3 對(duì)象檢索及信息抽取
　　7.3.1 對(duì)象檢索的基本概念
　　7.3.2 信息抽取
　　7.4 基于Web的對(duì)象檢索
　　7.5 博客檢索
　　7.6 TREC中的博客觀點(diǎn)檢索
　　7.7 文本情感分析
　　7.7.1 文本情感分析中的特征抽取
　　7.7.2 情感分類模型
　　小結(jié)
　　習(xí)題
　　參考文獻(xiàn)