文本分类概述 特征提取 主要分类算法 Rocchio 法 贝叶斯 K近邻 决策树

• Probability & statistics • Basic concepts in information theory • Linear Algebra

• Vector Space Model (VSM) • Latent Semantic Model (LSI) • Language Model (LM)

• How to collect data from Web? – Build a Crawler – High Performance Web Crawler – Distributed Crawling/Incremental Crawling – State-of-art technology

北京大学：《信息检索》课程教学资源（PPT课件讲稿）Web Search

北京大学：《信息检索》课程教学资源（PPT课件讲稿）Course Overview（主讲：闫宏飞）

第一节 文献资源整合系统 第二节 文献传递

5-5 Reference Books 一、工具书的概念与发展 二、工具书的基本类型 三、工具书的排检方法 四、经济管理工具书举要

课程总结与复习  Web信息搜索概述  GFS + MapReduce + BigTable  全文检索 + 网页排序  多媒体检索  文本聚类  文本分类  推荐系统  语义网  知识图谱

5-3 Abstract 一、文摘的概念 二、文摘的发展 三、文摘的类型 四、文摘的结构 五、 Abstracting Method 六、经济管理重要文摘