《深入搜索引擎:海量信息的压缩、索引和查询》是斯坦福大学信息检索和挖掘课程的首选教材之一,并已成为全球主要大学信息检索的主要教材。《深入搜索引擎:海量信息的压缩、索引和查询》理论和实践并重,深入浅出地给出了海量信息数据处理的整套解决方案,包括压缩、索引和查询的方方面面。其最大的特色在于不仅仅满足信息检索理论学习的需要,更重要的是给出了实践中可能面对的各种问题及其解决方法。
《深入搜索引擎:海量信息的压缩、索引和查询》作为斯坦福大学信息检索课程的教材之一,具有一定的阅读难度,主要面向信息检索专业高年级本科生和研究生、搜索引擎业界的专业技术人员和从事海量数据处理相关专业的技术人员。
第1章 概览
1.1 文档数据库(DOCUMENT DATABASES)
1.2 压缩(COMPRESSION)
1.3 索引(INDEXES)
1.4 文档索引
1.5 MG海量文档管理系统
1.6 进一步阅读
第2章 文本压缩
2.1 模型
2.2 自适应模型
2.3 哈夫曼编码
范式哈夫曼编码
计算哈夫曼编码长度
总结
2.4 算术编码
算术编码是如何工作的
实现算术编码
保存累积计数
2.5 符号模型
部分匹配预测
块排序压缩
动态马尔科夫压缩
基于单字的压缩
2.6 字典模型
自适应字典编码器的LZ77系列
LZ77的Gzip变体
自适应字典编码器的LZ78系列
LZ78的LZW变体
2.7 同步
创造同步点
自同步编码
2.8 性能比较
压缩性能
压缩速度
其他性能方面的考虑
2.9 进一步阅读
第3章 索引
3.1 样本文档集合
3.2 倒排文件索引
3.3 压缩倒排文件
无参模型(Nonparameterized models)
全局贝努里模型
全局观测频率模型(Global observed frequency model)
局部贝努里模型(Local Bernoulli model)
有偏贝努里模型(Skewed Bernoulli model)
局部双曲模型(Local hyperbolic model)
局部观测频率模型(Local observed frequency model)
上下文相关压缩(Context-sensitive compression)
3.4 索引压缩方法的效果
3.5 签名文件和位图
签名文件
位片签名文件(Bitsliced signature files)
签名文件分析
位图
签名文件和位图的压缩
3.6 索引方法的比较
3.7 大小写折叠、词根化和停用词
大小写折叠
词根化
影响索引长度的因素
停用词(stop word)
3.8 进一步阅读
第4章 查询
4.1 访问字典的方法
访问数据结构
前端编码(Front coding)
最小完美哈希函数
完美哈希函数的设计
基于磁盘的字典存储
4.2 部分指定的查询术语
字符串暴力匹配(Brute-force string matching)
用n-gram索引
循环字典(Rotated lexicon)
4.3 布尔查询(BOOLEAN QUERY)
合取查询(conjunctive query)
术语处理顺序
随机访问和快速查找
分块倒排索引
非合取查询(Nonconjunctive query)
4.4 信息检索和排名
坐标匹配(Coordinate matching)
内积相似度
向量空间模型
4.5 检索效果评价
召回率和精确率
召回率-精确率曲线
TREC项目 208
万维网搜索(World Wide Web Searching)
其他有效性评价方法
4.6 余弦法实现
文档内频率
余弦值的计算方法
文档权重所需的内存
累加器内存
快速查询处理
按频率排序的索引
排序
4.7 交互式检索
相关性反馈
概率模型
4.8 分布式检索
4.9 进一步阅读
第5章 索引构造
第6章 图像压缩
第7章 文本图像
第8章 混合图文
第9章 系统实现
第10章 信息爆炸
附录A MG系统指南
附录B 新西兰图书馆
《看透Spring MVC》内容简介:全书分为四篇,共22章。第一篇(第1~7章)介绍网站相关的基础知识,涉及网站架构、网络通信的底层协
《3G的业务及管理》力图全面系统地分析3G业务,在介绍业务网络的整体架构和3G业务的特点后,重点对各种业务(包括3G特色业务)的技
《字不语》内容简介:《字不语:手写字体设计与应用方法解析》是一本关于手写体字形设计的书。《字不语:手写字体设计与应用方法解
《世界大学排名与中国高水平大学建设》内容简介:世界大学排名主要通过加工处理各大学间的可比信息,以简单直观的结果反映各高校办
《山野的日常》内容简介:那些在乡野里度过的时光,如此美妙轻灵。看水流,听鸟鸣,摘野果,晒太阳;云在流,风在走。作者以清新自
《谈龙录 石洲诗话》内容简介:赵执信《谈龙录》一卷,该书主要为反对王士禛“神韵说”而作,主张“诗以言志”,必使后世因其诗以知
《奢享·慢行——精品酒店中的非凡假期》内容简介:作者在本书中分享了在17家酒店度假的经历,有的传奇,有的奢华,有的精致,有的
UNIX操作系统教程(第3版) 内容简介 本教材第3版修订中删减了第2版中一些过时的unix技术和描述,增加了针对linux系统设计技术和使用技术的阐述,增加了...
《黄河三角洲高效生态经济区发展报告(2014)》内容简介:本书是对黄河三角洲地区进行全景式分析的研究报告。总报告对黄河三角洲地
本书是一本注重实践的教程,作者为我们揭示了47个鲜为人知的CSS技巧,主要内容包括背景与边框、形状、视觉效果、字体排印、用户体
WhenitcomestoWebdesign,styleguidesareoftentooboringandpredictabletocapturetheatt...
《一个女孩的恐惧》内容简介:一个深夜,女孩手持双管猎枪,径直冲进森林,用枪口抵住一个人的额头,扣下扳机 人们常常说熊镇太不起
《通信线路维护实用手册》是专门介绍通信线路维护知识的实用技术书籍,书中重点介绍了光电缆基本知识、光电缆接续与测试技术以及
Scala是一种针对JVM的通用的编程语言,用来以简明、优雅、类型安全的方式表示常见的编程模式。它无缝集成了面向对象语言和函数式
《用地图看懂世界格局》内容简介:美国大选、英国脱欧、俄罗斯出兵叙利亚、在韩国建立萨德反导……所有这些问题,如果只通过新闻报
《商业模式与战略共舞》内容简介:本书为T型商业模式系列第二本书,介绍了商业模式与战略之间的区别与联系,从理论上把商业模式的内
《台湾念真情》内容简介:“台湾念真情”是吴念真的第一个电视节目,重播十余年。在这本细述人间邂逅的“台湾笔记”中,吴念真以独
《博彩业适度规模与产业结构多元化研究:以澳门为例》内容简介:如今澳门博彩业“一业独大”所带来的负面因素逐步显现,澳门经济增
魏玛时期的包豪斯,是20世纪最重要的建筑、设计及艺术学校之一,莫霍利-纳吉是其个性鲜明的教员团队中的一员。他不仅是欧洲前卫运
SNAtechniquesarederivedfromsociologicalandsocial-psychologicaltheoriesandtakeint...