• 语言模型 • 什么是概率语言模型？如何比较两个模型？ • 怎样由文档生成语言模型？ • 语言模型的种类 • 语言模型如何应用到IR 中？ • 查询似然模型(Query Likelihood Model) • 平滑的方法：线性插值LM • 扩展的LM 方法

• 矩阵分解及隐性语义索引 • 关于词项-文档矩阵 • 线性代数基础 • 矩阵分解与低秩逼近 • IR中的隐性语义索引 • 矩阵分解的计算机实现 • 推荐系统 • 推荐系统的兴起 • 推荐系统的基本方法 • 示例：UV分解用于音乐推荐

中国科学技术大学：《信息检索与数据挖掘》课程教学资源（课件讲稿）第10章 文本分类（基于向量空间的文本分类）

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

• Web采集 • 采集器 • 连接服务器 • 链接分析 • 锚文本 • 链接分析：Pagerank • 链接分析：HITS

◼ Parallel DBMS technologies ◆ Proposed in the late eighties ◆ Matured over the last two decades ◆ Multi-billion dollar industry: Proprietary DBMS Engines ◆ intended as Data Warehousing solutions for very large enterprises ◼ Hadoop ◼ Spark ◆ UC Berkeley

• Data Mining – From data warehousing to data mining. – Data pre-processing and data mining life-cycle. – Association and sequence analysis; classification and clustering. – Fuzzy Logic, Neural Networks, and Genetic Algorithms. – Mining Complex Data. • OLAP mining; spatial data mining; text mining; time-series data mining; web mining; visual data mining. • Data warehousing. – Introduction; basic concepts of data warehousing; data warehouse vs. Operational DB; data warehouse and the industry. – Architecture and design; two-tier and three￾tier architecture; star schema and snowflake schema; data capturing, replication, transformation and cleansing. – Data characteristics; metadata; static and dynamic data; derived data. – Data Marts; OLAP; data mining; data warehouse administration

知识工程：挖掘同对象信息元的传导知识

人工智能基础：信息熵度量的离群数据挖掘算法

智能系统：一种基于OCC模型的文本情感挖掘方法