齣版者的話
譯者序
前言
第1章 搜索引擎和信息檢索 1
1.1 什麼是信息檢索 1
1.2 重要問題 2
1.3 搜索引擎 4
1.4 搜索工程師 5
參考文獻和深入閱讀 6
練習 6
第2章 搜索引擎的架構 8
2.1 什麼是軟件架構 8
2.2 基本的構件 8
2.3 組件及其功能 10
2.3.1 文本采集 10
2.3.2 文本轉換 12
2.3.3 索引的創建 13
2.3.4 用戶交互 14
2.3.5 排序 15
2.3.6 評價 16
2.4 搜索引擎是如何工作的 17
參考文獻和深入閱讀 17
練習 17
第3章 信息采集和信息源 18
3.1 確定搜索的內容 18
3.2 網絡信息爬取 18
3.2.1 抓取網頁 19
3.2.2 網絡爬蟲 20
3.2.3 時新性 22
3.2.4 麵嚮主題的信息采集 24
3.2.5 深層網絡 24
3.2.6 網站地圖 25
3.2.7 分布式信息采集 26
3.3 文檔和電子郵件的信息采集 27
3.4 文檔信息源 28
3.5 轉換問題 30
3.6 存儲文檔 31
3.6.1 使用數據庫係統 32
3.6.2 隨機存取 32
3.6.3 壓縮和大規模文件 33
3.6.4 更新 34
3.6.5 BigTable 35
3.7 重復檢測 36
3.8 去除噪聲 39
參考文獻和深入閱讀 42
練習 43
第4章 文本處理 45
4.1 從詞到詞項 45
4.2 文本統計 46
4.2.1 詞錶增長 49
4.2.2 估計數據集和結果集大小 51
4.3 文檔解析 53
4.3.1 概述 53
4.3.2 詞素切分 53
4.3.3 停用詞去除 55
4.3.4 詞乾提取 55
4.3.5 短語和n元串 59
4.4 文檔結構和標記 62
4.5 鏈接分析 63
4.5.1 錨文本 64
4.5.2 PageRank 64
4.5.3 鏈接質量 68
4.6 信息抽取 69
4.7 國際化 72
參考文獻和深入閱讀 73
練習 74
第5章 基於索引的相關排序 76
5.1 概述 76
5.2 抽象的相關排序模型 76
5.3 倒排索引 78
5.3.1 文檔 79
5.3.2 計數 81
5.3.3 位置 82
5.3.4 域與範圍 83
5.3.5 分數 84
5.3.6 排列 85
5.4 壓縮 85
5.4.1 熵與歧義 86
5.4.2 Delta編碼 87
5.4.3 位對齊碼 88
5.4.4 字節對齊碼 90
5.4.5 實際應用中的壓縮 90
5.4.6 展望 91
5.4.7 跳轉和跳轉指針 92
5.5 輔助結構 93
5.6 索引構建 94
5.6.1 簡單構建 94
5.6.2 融閤 95
5.6.3 並行與分布式 96
5.6.4 更新 99
5.7 查詢處理 99
5.7.1 document-at-a-time評價 100
5.7.2 term-at-a-time評價 101
5.7.3 優化技術 102
5.7.4 結構化查詢 107
5.7.5 分布式的評價 108
5.7.6 緩存 109
參考文獻和深入閱讀 109
練習 110
第6章 查詢與界麵 113
6.1 信息需求與查詢 113
6.2 查詢轉換與提煉 114
6.2.1 停用詞去除和詞乾提取 114
6.2.2 拼寫檢查和建議 117
6.2.3 查詢擴展 121
6.2.4 相關反饋 126
6.2.5 上下文和個性化 128
6.3 搜索結果顯示 130
6.3.1 搜索結果頁麵與頁麵摘要 130
6.3.2 廣告與搜索 132
6.3.3 結果聚類 134
6.4 跨語言搜索 137
參考文獻和深入閱讀 139
練習 140
第7章 檢索模型 142
7.1 檢索模型概述 142
7.1.1 布爾檢索 143
7.1.2 嚮量空間模型 144
7.2 概率模型 148
7.2.1 將信息檢索作為分類問題 148
7.2.2 BM25排序算法 151
7.3 基於排序的語言模型 153
7.3.1 查詢項似然排序 154
7.3.2 相關性模型和僞相關反饋 158
7.4 復雜查詢和證據整閤 162
7.4.1 推理網絡模型 163
7.4.2 Galago查詢語言 165
7.5 網絡搜索 169
7.6 機器學習和信息檢索 171
7.6.1 排序學習 172
7.6.2 主題模型和詞匯不匹配 174
7.7 基於應用的模型 175
參考文獻和深入閱讀 176
練習 178
第8章 搜索引擎評價 179
8.1 搜索引擎評價的意義 179
8.2 評價語料 180
8.3 日誌 184
8.4 效果評價 186
8.4.1 召迴率和準確率 186
8.4.2 平均化和插值 189
8.4.3 關注排序靠前的文檔 192
8.4.4 使用用戶偏好 194
8.5 效率評價 195
8.6 訓練、測試和統計 196
8.6.1 顯著性檢驗 196
8.6.2 設置參數值 200
8.6.3 在綫測試 201
8.7 基本要點 201
參考文獻和深入閱讀 203
練習 203
第9章 分類和聚類 205
9.1 分類 206
9.1.1 樸素貝葉斯 207
9.1.2 支持嚮量機 212
9.1.3 評價 216
9.1.4 分類器和特徵選擇 216
9.1.5 垃圾、情感及在綫廣告 219
9.2 聚類 224
9.2.1 層次聚類和K均值聚類 225
9.2.2 K近鄰聚類 231
9.2.3 評價 232
9.2.4 如何選擇K 233
9.2.5 聚類和搜索 234
參考文獻和深入閱讀 236
練習 236
第10章 社會化搜索 238
10.1 什麼是社會化搜索 238
10.2 用戶標簽和人工索引 239
10.2.1 搜索標簽 241
10.2.2 推測缺失的標簽 242
10.2.3 瀏覽和標簽雲 243
10.3 社區內搜索 244
10.3.1 什麼是社區 244
10.3.2 社區發現 245
10.3.3 基於社區的問答 248
10.3.4 協同搜索 251
10.4 過濾和推薦 253
10.4.1 文檔過濾 253
10.4.2 協同過濾 258
10.5 P2P搜索和元搜索 262
10.5.1 分布式搜索 262
10.5.2 P2P網絡 264
參考文獻和深入閱讀 267
練習 268
第11章 超越詞袋 270
11.1 概述 270
11.2 基於特徵的檢索模型 270
11.3 詞項依賴模型 271
11.4 再談結構化 275
11.4.1 XML檢索 276
11.4.2 實體搜索 277
11.5 問題越長，答案越好 278
11.6 詞語、圖片和音樂 281
11.7 搜索能否適用於所有情況 286
參考文獻和深入閱讀 287
練習 289
參考文獻 290
· · · · · · (收起)