本书是一本讲授信息检索的经典教材。本书对信息检索这个举足轻重而又发展迅猛的领域进行了全面、新颖、准确的介绍，全书语言流畅，由浅入深，一气呵成。本书适合作为高等院校相关专业高年级本科生和研究生的课程教材，也可供信息检索领域的研究人员和专业人士参考。

本书是一本讲授信息检索的经典教材。全书共21章，前8章详述了信息检索的基础知识，包括倒排索引、布尔检索及词项权重计算和评分算法等，后13章介绍了一些高级话题，如基于语言建模的信息检索模型、基于机器学习的排序方法和Web搜索技术等。另外，本书还着重讨论了文本聚类技术这一信息检索中不可或缺的组成部分。全书语言流畅，由浅入深，一气呵成。

本书适合作为高等院校相关专业高年级本科生和研究生的课程教材，也可供信息检索领域的研究人员和专业人士参考。

第1章 布尔检索

 1.1 一个信息检索的例子

 1.2 构建倒排索引的初体验

 1.3 布尔查询的处理

 1.4 对基本布尔操作的扩展及有序检索

 1.5 参考文献及补充读物

第2章 词项词典及倒排记录表

 2.1 文档分析及编码转换

2.1.1 字符序列的生成

2.1.2 文档单位的选择

 2.2 词项集合的确定

2.2.1 词条化

2.2.2 去除停用词

2.2.3 词项归一化

2.2.4 词干还原和词形归并

 2.3 基于跳表的倒排记录表快速合并算法

 2.4 含位置信息的倒排记录表及短语查询

2.4.1 二元词索引

2.4.2 位置信息索引

2.4.3 混合索引机制

 2.5 参考文献及补充读物

第3章 词典及容错式检索

 3.1 词典搜索的数据结构

 3.2 通配符查询

3.2.1 一般的通配符查询

3.2.2 支持通配符查询的K-gram索引

 3.3 拼写校正

3.3.1 拼写校正的实现

3.3.2 拼写校正的方法

3.3.3 编辑距离

3.3.4 拼写校正中的K-gram索引

3.3.5 上下文敏感的拼写校正

 3.4 基于发音的校正技术

 3.5 参考文献及补充读物

第4章 索引构建

 4.1 硬件基础

 4.2 基于块的排序索引方法

 4.3 内存式单遍扫描索引构建方法

 4.4 分布式索引构建方法

 4.5 动态索引构建方法

 4.6 其他索引类型

 4.7 参考文献及补充读物

第5章 索引压缩

 5.1 信息检索中词项的统计特性

5.1.1 Heaps定律：词项数目的估计

5.1.2 zipfd定律：对词项的分布建模

 5.2 词典压缩

5.2.1 将词典看成单一字符串的压缩方法

5.2.2 按块存储

 5.3 倒排记录表的压缩

5.3.1 可变字节码

5.3.2 y编码

 5.4 参考文献及补充读物

第6章 文档评分、词项权重计算及向量空间模型

 6.1 参数化索引及域索引

6.1.1 域加权评分

6.1.2 权重学习

6.1.3 最优权重g的计算

 6.2 词项频率及权重计算

6.2.1 逆文档频率

6.2.2 tf-idf权重计算

 6.3 向量空间模型

6.3.1 内积

6.3.2 查询向量

6.3.3 向量相似度计算

 6.4 其他tf-idf权重计算方法

6.4.1 tf的亚线性尺度变换方法

6.4.2 基于最大值的tf归一化

6.4.3 文档权重和查询权重机制

6.4.4 文档长度的回转归一化

 6.5 参考文献及补充读物

第7章 一个完整搜索系统中的评分计算

 7.1 快速评分及排序

7.1.1 非精确返回前脯文档的方法

7.1.2 索引去除技术

7.1.3 胜者表

7.1.4 静态得分和排序

7.1.5 影响度排序

7.1.6 簇剪枝方法

 7.2 信息检索系统的组成

7.2.1 层次型索引

7.2.2 查询词项的邻近性

7.2.3 查询分析及文档评分函数的设计

7.2.4 搜索系统的组成

 7.3 向量空间模型对各种查询操作的支持

7.3.1 布尔查询

7.3.2 通配符查询

7.3.3 短语查询

 7.4 参考文献及补充读物

第8章 信息检索的评价

 8.1 信息检索系统的评价

 8.2 标准测试集

 8.3 无序检索结果集合的评价

 8.4 有序检索结果的评价方法

 8.5 相关性判定

 8.6 更广的视角看评价：系统质量及用户效用

8.6.1 系统相关问题

8.6.2 用户效用

8.6.3 对已有系统的改进

 8.7 结果片段

 8.8 参考文献及补充读物

第9章 相关反馈及查询扩展

 9.1 相关反馈及伪相关反馈

9.1.1 Rocchio相关反馈算法

9.1.2 基于概率的相关反馈方法

9.1.3 相关反馈的作用时机

9.1.4 Web上的相关反馈

9.1.5 相关反馈策略的评价

9.1.6 伪相关反馈

9.1.7 间接相关反馈

9.1.8 小结

 9.2 查询重构的全局方法

9.2.1 查询重构的词汇表工具

9.2.2 查询扩展

9.2.3 同义词词典的自动构建

 9.3 参考文献及补充读物

第10章 XML检索

 10.1 XML的基本概念

 10.2 XML检索中的挑战性问题

 10.3 基于向量空间模型的XML检索

 10.4 XML检索的评价

 10.5 XML检索：以文本为中心与以数据为中心的对比

 10.6 参考文献及补充读物

第11章 概率检索模型

 11.1 概率论基础知识

 11.2 概率排序原理

11.2.1 I／O风险的情况

11.2.2 基于检索代价的概率排序原理

 11.3 二值独立模型

11.3.1 排序函数的推导

11.3.2 理论上的概率估计方法

11.3.3 实际中的概率估计方法

11.3.4 基于概率的相关反馈方法

 11.4 概率模型的相关评论及扩展

11.4.1 概率模型的评论

11.4.2 词项之间的树型依赖

11.4.3 OkapiBM25：一个非二值的模型

11.4.4 IR中的贝叶斯网络方法

 11.5 参考文献及补充读物

第12章 基于语言建模的信息检索模型

 12.1 语言模型

12.1.1 有穷自动机和语言模型

12.1.2 语言模型的种类

12.1.3 词的多项式分布

 12.2 查询似然模型

12.2.1 IR中的查询似然模型

12.2.2 查询生成概率的估计

12.2.3 Ponte和Croft进行的实验

 12.3 语言建模的方法与其他检索方法的比较

 12.4 扩展的LM方法

 12.5 参考文献及补充读物

第13章 文本分类及朴素贝叶斯方法

 13.1 文本分类问题

 13.2 朴素贝叶斯文本分类

 13.3 贝努利模型

 13.4 NB的性质

 13.5 特征选择

13.5.1 互信息

13.5.2 X2统计量

13.5.3 基于频率的特征选择方法

13.5.4 多类问题的特征选择方法

13.5.5 不同特征选择方法的比较

 13.6 文本分类的评价

 13.7 参考文献及补充读物

第14章 基于向量空间模型的文本分类

 14.1 文档表示及向量空间中的关联度计算

 14.2 Rocchio分类方法

 14.3 K近邻分类器-

 14.4 线性及非线性分类器

 14.5 多类问题的分类

 14.6 偏差一方差折中准则

 14.7 参考文献及补充读物

第15章 支持向量机及文档机器学习方法

 15.1 二类线性可分条件下的支持向量机

 15.2 支持向量机的扩展

15.2.1 软间隔分类

15.2.2 多类情况下的支持向量机

15.2.3 非线性支持向量机

15.2.4 实验结果

 15.3 有关文本文档分类的考虑

15.3.1 分类器类型的选择

15.3.2 分类器效果的提高

 15.4 adhoc检索中的机器学习方法

15.4.1 基于机器学习评分的简单例子

15.4.2 基于机器学习的检索结果排序

 15.5 参考文献及补充读物

第16章 扁平聚类

 16.1 信息检索中的聚类应用

 16.2 问题描述

 16.3 聚类算法的评价

 16.4 K-均值算法

 16.5 基于模型的聚类

 16.6 参考文献及补充读物

第17章 层次聚类

 17.1 凝聚式层次聚类

 17.2 单连接及全连接聚类算法

 17.3 组平均凝聚式聚类

 17.4 质心聚类

 17.5 层次凝聚式聚类的最优性

 17.6 分裂式聚类

 17.7 簇标签生成

 17.8 实施中的注意事项

 17.9 参考文献及补充读物

第18章 矩阵分解及隐性语义索引

 18.1 线性代数基础

 18.2 词项一文档矩阵及SVD

 18.3 低秩逼近

 18.4 LSI

 18.5 参考文献及补充读物

第19章 Web搜索基础

 19.1 背景和历史

 19.2 Web的特性

19.2.1 Web图

19.2.2 作弊网页

 19.3 广告经济模型

 19.4 搜索用户体验

 19.5 索引规模及其估计

 19.6 近似重复及shingling

 19.7 参考文献及补充读物

第20章 Web采集及索引

 20.1 概述

20.1.1 采集器必须提供的功能特点

20.1.2 采集器应该提供的功能特点

 20.2 采集

20.2.1 采集器架构

20.2.2 DNS解析

20.2.3 待采集URL池

 20.3 分布式索引

 20.4 连接服务器

 20.5 参考文献及补充读物

第21章 链接分析

 21.1 Web图

 21.2 PageRank

21.2.1 马尔科夫链

21.2.2 PageRank的计算

21.2.3 面向主题的PageRank

 21.3 Hub网页及Authority网页

 21.4 参考文献及补充读物

参考文献

索引