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搜索的科學價值
　　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)頁排序
　　2.6 查詢重構(gòu)
　　2.6.1 用戶相關(guān)反饋
　　2.6.2 自動局部分析
　　2.6.3 自動全局分析
　　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 潛語義標號
　　小結(jié)
　　習題
　　
　　第3章 圖像檢索
　　3.1 引言
　　3.2 圖像檢索的發(fā)展過程
　　3.3 文本自動標注
　　3.3.1 基于二維多粒度隱：Markov模型的二類標注
　　3.3.2 有監(jiān)督的多類標注SMI
　　3.4 物體識別
　　3.4.1 星群模型
　　3.4.2 異構(gòu)星狀模型
　　3.5 文字識別
　　3.5.1 引言
　　3.5.2 離線文字識別系統(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 漸進式計算的馬氏距離分類器
　　3.5.7 基于模具的文字切分
　　3.6 人臉檢測與識別
　　3.6.1 Adaboost人臉檢測算法
　　3.6.2 常見的人臉識別算法
　　3.6.3 非限定性人臉識別算法
　　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)
　　習題
　　
　　第4章 音頻檢索
　　4.1 引言
　　4.2 聲學特征抽取
　　4.2.1 時域特征抽取
　　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個基本問題及其經(jīng)典算法.
　　4.4 連續(xù)語音識別系統(tǒng)
　　4.4.1 基于HMM的語音識別統(tǒng)一框架
　　4.4.2 聲學模型
　　4.4.3 語言模型
　　4.4.4 解碼器
　　4.5 語音關(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 語音關(guān)鍵詞發(fā)現(xiàn)中的核心問題
　　4.5.3 一個側(cè)重確認的語音關(guān)鍵詞發(fā)現(xiàn)系統(tǒng)
　　4.6 語音詞匯檢測技術(shù)
　　4.6.1 混淆網(wǎng)絡(luò)
　　4.6.2 一個基于音節(jié)混淆網(wǎng)絡(luò)的STD系統(tǒng)
　　4.7 非語音音頻檢索
　　4.7.1 概述
　　4.7.2 聲學模型
　　4.7.3 語義模型
　　4.7.4 聲學空間與語義空間的聯(lián)系
　　4.8 音樂檢索
　　4.8.1 概述
　　4.8.2 哼唱檢索
　　4.8.3 基于語義描述的音樂標注及檢索
　　小結(jié)
　　習題
　　
　　第5章 信息過濾
　　5.1 引言
　　5.2 基本方法
　　5.2.1 基于Bayes分類器的過濾
　　5.2.2 基于向量距離分類器的過濾
　　5.2.3 基于k近鄰分類器的過濾
　　5.2.4 基于SVM的過濾
　　5.2.5 系統(tǒng)性能評價
　　5.3 模型學習
　　5.3.1 生成式與區(qū)分式學習
　　5.3.2 降維變換
　　5.3.3 半監(jiān)督學習
　　5.3.4 演進式學習
　　5.4 垃圾郵件及垃圾短信過濾
　　5.4.1 垃圾郵件過濾系統(tǒng)
　　5.4.2 垃圾短信的過濾
　　5.5 話題檢測與跟蹤系統(tǒng)
　　5.5.1 報道分割
　　5.5.2 事件檢測
　　5.5.3 事件跟蹤
　　小結(jié)
　　習題
　　
　　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項可信集
　　6.3.3 由k項可信集生成(k+1)項可信集
　　6.3.4 基于極大團的可信關(guān)聯(lián)規(guī)則挖掘算法
　　6.4 基于FPT的超團模式快速挖掘算法
　　6.4.1 相關(guān)定義
　　6.4.2 基于FPT的超團模式和極大超團模式挖掘
　　6.5 協(xié)同過濾推薦的基本算法
　　6.6 基于局部偏好的協(xié)同過濾推薦算法
　　6.7 基于個性化主動學習的協(xié)同過濾
　　6.8 面向排序的協(xié)同過濾
　　小結(jié)
　　習題
　　
　　第7章 發(fā)展前沿
　　7.1 內(nèi)網(wǎng)檢索及對象檢索
　　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 對象檢索及信息抽取
　　7.3.1 對象檢索的基本概念
　　7.3.2 信息抽取
　　7.4 基于Web的對象檢索
　　7.5 博客檢索
　　7.6 TREC中的博客觀點檢索
　　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)
　　習題
　　參考文獻