作者：[美]Ian H. Witten（艾伦 H.威顿）,Alistair Moffat（亚里斯蒂尔.莫夫特）, Timothy C. Bell (Author)（提摩太 C.贝尔）著　梁斌 译

　　出 版 社： 电子工业出版社

　　出版时间： 2009-5-1

　　页数：508页

　　开本： 16开

　　ISBN ： 9787121084911

　　分类： 图书 >> 计算机 >> 搜索引擎

　　定价：￥75.00元

　　简介：本书是斯坦福大学信息检索和挖掘课程的{sx}教材之一，并已成为全球主要大学信息检索的主要教材。本书理论和实践并重，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{zd0}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。

　　本书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。

　　作者简介：Ian H.Witten 是新西兰Waikato大学计算系科学系教授，是ACM、新西兰皇家学会会员。是英国、美国、加拿大和新西兰的专业计算、信息检索和工程协会会员。他是 《The Reactive Keyboard》和《Text Compression》的作者之一，这两本书分别出版于1992年和1990年。各大会议和期刊论文都能看到他的论文。

　　Alistair Moffat是墨尔本大学计算科学系的副教授。在各大会议和期刊中发表了大量论文，这些论文包括的领域有：关于文本和图像压缩的算法和数据结构，字典和优先级队列的自适应数据结构，以及自适应搜索和排序算法。

　　Timothy C.Bell是Canterbury大学计算机科学系系主任。是出版于1990年的《Text Compression》一书的作者。在各大期刊和会议上发表了多篇论文，这些论文涉及文本和图像压缩，计算机和音乐，计算机教育等。

　　目录：

第1章　概览　1
　1.1　文档数据库（DOCUMENT DATABASES）　7
　1.2　压缩（COMPRESSION）　10
　1.3　索引（INDEXES）　12
　1.4　文档索引　16
　1.5　MG海量文档管理系统　20
　1.6　进一步阅读　21
第2章　文本压缩　23
　2.1　模型　26
　2.2　自适应模型　29
　2.3　哈夫曼编码　32
　　范式哈夫曼编码　38
　　计算哈夫曼编码长度　44
　　总结　51
　2.4　算术编码　51
　　算术编码是如何工作的　53
　　实现算术编码　56
　　保存累积计数　59
　2.5　符号模型　61
　　部分匹配预测　61
　　块排序压缩　64
　　动态马尔科夫压缩　69
　　基于单字的压缩　71
　2.6　字典模型　73
　　自适应字典编码器的LZ77系列　74
　　LZ77的Gzip变体　78
　　自适应字典编码器的LZ78系列　79
　　LZ78的LZW变体　81
　2.7　同步　84
　　创造同步点　84
　　自同步编码　87
　2.8　性能比较　89
　　压缩性能　91
　　压缩速度　94
　　其他性能方面的考虑　97
　2.9　进一步阅读　98
第3章　索引　102
　3.1　样本文档集合　106
　3.2　倒排文件索引　110
　3.3　压缩倒排文件　115
　　无参模型（Nonparameterized　models）　117
　　全局贝努里模型　120
　　全局观测频率模型（Global observed frequency model）　123
　　局部贝努里模型（Local Bernoulli model）　124
　　有偏贝努里模型（Skewed Bernoulli model）　125
　　局部双曲模型（Local hyperbolic model） 127
　　局部观测频率模型（Local observed frequency model）　128
　　上下文相关压缩（Context-sensitive compression）　130
　3.4　索引压缩方法的效果　133
　3.5　签名文件和位图　134
　　签名文件　135
　　位片签名文件（Bitsliced signature files）　139
　　签名文件分析　144
　　位图　147
　　签名文件和位图的压缩　148
　3.6　索引方法的比较　151
　3.7　大小写折叠、词根化和停用词　153
　　大小写折叠　154
　　词根化　154
　　影响索引长度的因素　155
　　停用词（stop word）　156
　3.8　进一步阅读　159
第4章　查询　162
　4.1　访问字典的方法　166
　　访问数据结构　167
　　前端编码（Front coding）　170
　　最小xx哈希函数　173
　　xx哈希函数的设计　176
　　基于磁盘的字典存储　181
　4.2　部分指定的查询术语　182
　　字符串暴力匹配（Brute-force string matching）　182
　　用n-gram索引　183
　　循环字典（Rotated lexicon）　184
　4.3　布尔查询（BOOLEAN QUERY）　186
　　合取查询（conjunctive query）　187
　　术语处理顺序　188
　　随机访问和快速查找　189
　　分块倒排索引　192
　　非合取查询（Nonconjunctive query）　194
　4.4　信息检索和排名　195
　　坐标匹配（Coordinate matching）　195
　　内积相似度　196
　　向量空间模型　202
　4.5　检索效果评价　205
　　召回率和xx率　205
　　召回率-xx率曲线　207
　　TREC项目　208
　　万维网搜索（World Wide Web Searching）　212
　　其他有效性评价方法　215
　4.6　余弦法实现　216
　　文档内频率　217
　　余弦值的计算方法　220
　　文档权重所需的内存　222
　　累加器内存　227
　　快速查询处理　228
　　按频率排序的索引　229
　　排序　233
　4.7　交互式检索　236
　　相关性反馈　237
　　概率模型　239
　4.8　分布式检索　241
　4.9　进一步阅读　245
第5章　索引构造　248
　　计算模型　251
　　索引构造方法概览　252
　5.1　基于内存的倒排　253
　5.2　基于排序的倒排　256
　5.3　索引压缩　261
　　压缩临时文件　261
　　多路归并　264
　　原地多路归并　265
　5.4　压缩的内存内倒排　271
　　大内存倒排　271
　　基于字典的切分（Lexicon-based partitioning）　276
　　基于文本的切分　278
　5.5　倒排方法的比较　281
　5.6　构造签名文件和位图　282
　5.7　动态文档集合　284
　　扩展文本（Expanding the text）　284
　　索引扩展（Expanding the index）　285
　5.8　进一步阅读　290
第6章　图像压缩　292
　6.1　图像类型　293
　6.2　CCITT二值图像的传真标准　297
　6.3　二值图像的上下文压缩　301
　　上下文模型　304
　　二值上下文模型　307
　　“超视力”压缩（Clairvoyant compression）　309
　6.4　JBIG：二值图像标准　310
　　分辨率降低（Resolution reduction）　311
　　模板和自适应模板　316
　　编码及概率估计　317
　6.5　连续色调图像的无损压缩　318
　　GIF和PNG无损图像格式　319
　　FELICS：快速、有效且无损图像压缩系统　321
　　CALIC：基于上下文自适应无损图像解码器　325
　　JPEG-LS：无损图像压缩新标准　326
　6.6　JPEG：连续色调图像标准　328
　6.7　图像的递增传输　334
　　金字塔编码　335
　　金字塔编码的压缩　335
　　中位数聚合　337
　　误差模型　338
　6.8　图像压缩技术总结　339
　6.9　进一步阅读　341
第7章　文本图像　343
　7.1　文本图像压缩概念　345
　7.2　有损和无损压缩　349
　7.3　标记抽取　351
　　跟踪标记的边界　351
　　xx图像中的标记　354
　　按自然阅读顺序排序标记　356
　7.4　模板匹配　357
　　全局模板匹配　358
　　局部模板匹配　360
　　基于压缩的模板匹配　361
　　库模板筛法　364
　　评价模板匹配方法　365
　7.5　从标记到符号　369
　　库构造　369
　　符号及其偏移量　371
　7.6　编码文本图像分量　372
　　库　372
　　符号数　373
　　符号偏移　373
　　原始图像　374
　7.7　效果：有损和无损的模式　376
　7.8　系统考虑　381
　7.9　JBIG2：图像文本压缩标准　383
　7.10　进一步阅读　385
第8章　混合图文　386
　8.1　方向　388
　　用Hough变换检测直线　389
　　左侧留白查找　391
　　投影轮廓　392
　　从斜率直方图到文本谱　397
　8.2　切分　401
　　自下向上的切分方法　401
　　自上向下的组合的切分方法　403
　　基于标记的切分　404
　　使用短文本字符串切分　406
　　利用文本句法切分　409
　8.3　分类　410
　8.4　进一步阅读　413
第9章　系统实现　415
　9.1　文本压缩　416
　　选择压缩模型　417
　　选择编码器　420
　　哈夫曼编码的限制　422
　　长度限制的编码　428
　9.2　文本压缩效果　433
　　压缩有效性　433
　　解压速度　437
　　解压内存　437
　　动态文档集合　440
　9.3　图像和文本图像　442
　　压缩二值图像　444
　　压缩灰度图像　445
　　压缩文本图像　445
　9.4　构造索引　447
　9.5　索引压缩　449
　9.6　查询处理　451
　　布尔查询　451
　　排名查询　454
　9.7　进一步阅读　456
第10章　信息爆炸　458
　10.1　信息技术发展2　000年　458
　10.2　INTERNET：一种全球信息资源　460
　10.3　纸张问题　463
　10.4　面对信息爆炸　465
　　网页搜索引擎　465
　　基于代理的信息检索　467
　　数据挖掘　469
　10.5　数字图书馆　469
　10.6　更好地管理海量数据　471
　10.7　小就是美　473
　10.8　对生活的个人信息支持　475
　10.9　进一步阅读　476
附录A　MG系统指南　478
　A.1　安装MG系统　478
　A.2　一个简单的存储和检索例子　480
　A.3　数据库创建　485
　A.4　对一个索引文档集合进行查询　489
　A.5　非文本文件　491
　A.6　图像压缩程序　493
附录B　新西兰图书馆　494
　B.1　什么是NZDL　494
　　其他文档集合　497
　　文档集合的发展　501
　　音频集合（audio collections）　502
　　音调索引（Melody Index）　503
　B.2　NZDL是如何工作的？　505
　　原始文档　505
　　搜索和索引　506
　B.3　影响　508
　B.4　进一步阅读　508