智能检索是适应大数据和人工智能迅速发展的信息检索新方式。王家宝、李阳、苗壮编著的《智能检索实战》分为两个部分。第一部分以工程应用为目标，介绍了文本的本地检索和网络检索，基于全局特征、局部特征的图像检索，以及定制图像检索新特征和图像检索相关反馈;第二部分以技术研究为目标，介绍了利用深度学习特征提高检索精度，利用哈希特征提高检索速度，以及跨模态的深度哈希图文检索技术。全书从指导实践出发，附有所有实战源代码，为读者提供了联系实际、直接可用的检索系统和检索技术。
本书是信息检索及相关课程的教学参考书，适用于高等院校信息检索专业的大学生和研究生，也可供从事信息检索相关专业的研发人员参考。

第1章 搜索引擎初探
1.1 Eclipse开发环境
1.1.1 Eclipse简介
1.1.2 JDK与JRE
1.1.3 JDK和Eclipse的安装
1.1.4 用Eclipse开发HelloWorld项目
1.2 Lucene环境配置
1.2.1 Lucene简介
1.2.2 Lucene的安装
1.3 Lucene索引与检索示例
1.3.1 索引和检索的概念
1.3.2 一个简单的搜索应用程序
1.4 小结
参考文献
第2章 基于Lucene的本地检索
2.1 Lucene索引简介
2.1.1 Lucene索引
2.1.2 Lucene索引文件
2.2 Lucene的索引接口
2.2.1 Directory类
2.2.2 Analyzer类
2.2.3 Document类与Field类
2.2.4 IndexWriter类
2.3 Lucene的检索接口
2.3.1 IndexSearcher类
2.3.2 Term类
2.3.3 Query类
2.3.4 QueryParser类
2.3.5 Sort类和Hits类
2.4 中文分词
2.5 基于Lucene的本地检索实战
2.5.1 文本数据准备
2.5.2 Lucene本地索引
2.5.3 Lucene本地检索
2.6 索引可视化工具Luke
2.7 小结
参考文献
目录智能检索实战第3章 基于Solr的网络检索
3.1 Solr简介
3.2 Solr配置和使用
3.2.1 Tomcat安装
3.2.2 安装并配置Solr至Tomcat
3.2.3 新建并配置core
3.2.4 配置和使用中文分词
3.3 基于Solr的网络检索实战
3.3.1 数据准备
3.3.2 Solr网络索引
3.3.3 Solr网络检索
3.4 小结
参考文献
第4章 基于Lire全局特征的图像检索
4.1 Lire简介
4.1.1 Lire库导入
4.1.2 Lire库分析
4.2 Lire全局特征索引
4.2.1 Lire全局特征索引方法
4.2.2 Lire全局特征索引实现
4.3 Lire全局特征检索
4.3.1 Lire全局特征检索方法
4.3.2 Lire全局特征检索实现
4.4 Caltech256数据测试
4.4.1 测试数据和基本思路
4.4.2 测试实现
4.5 基于Lire全局特征的图像检索实战
4.5.1 主体框架构建
4.5.2 外部依赖包导入
4.5.3 搜索引擎界面实现
4.5.4 搜索引擎后台实现
4.5.5 搜索引擎配置和部署
4.5.6 搜索引擎操作和效果
4.6 小结
参考文献
第5章 基于Lire局部特征的图像检索
5.1 词袋模型简介
5.2 Lire局部特征索引
5.2.1 Lire局部特征索引方法
5.2.2 Lire局部特征索引实现
5.3 Lire局部特征检索
5.3.1 Lire局部特征检索方法
5.3.2 Lire局部特征检索实现
5.4 Lire中SIFT特征的改进
5.5 Caltech256数据测试
5.6 基于Lire局部特征的图像检索实战
5.6.1 主体框架构建
5.6.2 搜索引擎界面实现
5.6.3 搜索引擎后台实现
5.6.4 搜索引擎配置和部署
5.6.5 搜索引擎操作和效果
5.7 小结
参考文献
第6章 面向Lire定制图像检索新特征
6.1 Lire特征类的结构
6.2 Lire颜色布局特征
6.3 添加新的图像特征
6.4 矩特征的索引和检索
6.5 小结
参考文献
第7章 面向Lire定制图像检索的相关反馈
7.1 基于SVM的相关反馈原理
7.2 相关反馈实战
7.2.1 主体框架构建
7.2.2 外部依赖包导入
7.2.3 搜索引擎界面实现
7.2.4 搜索引擎后台实现
7.2.5 搜索引擎配置和部署
7.2.6 搜索引擎操作和效果
7.3 关键代码解析
7.3.1 生成索引阶段
7.3.2 查找检索阶段
7.3.3 反馈检索阶段
7.4 小结
参考文献
第8章 基于预训练卷积特征的图像检索
8.1 卷积神经网络技术
8.1.1 卷积
8.1.2 池化
8.1.3 ReLU
8.1.4 全连接
8.2 卷积神经网络模型简介
8.2.1 AlexNet网络模型
8.2.2 VGGNet网络模型
8.2.3 ResNet网络模型
8.3 基于预训练卷积特征的图像检索实战
8.3.1 环境配置
8.3.2 数据准备
8.3.3 预训练网络特征提取
8.3.4 预训练网络检索评测
8.3.5 预训练网络检索效果
8.4 小结
参考文献
第9章 基于迁移学习卷积特征的图像检索
9.1 迁移学习技术
9.2 迁移学习方法简介
9.2.1 迁移学习的定义与分类
9.2.2 深度迁移学习
9.2.3 卷积神经网络的迁移
9.2.4 迁移学习抑制过拟合
9.3 基于迁移学习卷积特征的图像检索实战
9.3.1 迁移学习网络设计
9.3.2 数据准备
9.3.3 迁移学习网络构建
9.3.4 迁移学习网络训练
9.3.5 迁移学习网络检索评测
9.3.6 迁移学习网络检索效果
9.4 小结
参考文献
第10章 基于局部敏感哈希的图像检索
10.1 局部敏感哈希技术
10.1.1 哈希简介
10.1.2 近似最近邻搜索问题
10.2 局部敏感哈希方法简介
10.2.1 LSH算法
10.2.2 E2LSH算法
10.3 基于局部敏感哈希的图像检索实战