文本聚类（Text Clustering）  一般性聚类任务 聚类任务引出；应用背景；相似性度量；学科栈  文本聚类任务 聚类对象与文本特征 基于划分的方法（e.g., K-Means） 基于层次的方法 基于密度的方法（e.g., DBScan）  聚类效果评估

•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

• 聚类概述 • 什么是聚类？在IR中如何用聚类？聚类的几个术语 • K-均值聚类算法 • K-均值聚类中的基本准则 • K-均值算法中簇的个数 • 聚类评价 • purity、NMI（Normalized Mutual Information，)、RI（Rand Index)、F measure • 基于模型的聚类 • 层次聚类简介 • 层次聚类的簇相似度计算 • 四种HAC算法：单连接、全连接 、组平均、质心法

6.1 域名系统 DNS 6.1.1 域名系统概述 6.1.2 因特网的域名结构 6.1.3 域名服务器 6.2 文件传送协议 6.2.1 FTP 概述 6.2.2 FTP 的基本工作原理 6.2.3 简单文件传送协议 TFTP 6.3 远程终端协议 TELNET 6.4 万维网 WWW 6.4.1 概述 6.4.2 统一资源定位符 URL 6.4.3 超文本传送协议 HTTP 6.4.4 万维网的文档 6.4.5 万维网的信息检索系统 6.4.6 博客和微博 6.4.7 社交网站

 6.1 域名系统 DNS  6.1.1 域名系统概述  6.1.2 因特网的域名结构  6.1.3 域名服务器  6.2 万维网WWW  6.2.1 概述  6.2.2 统一资源定位符 URL  6.2.3 超文本传送协议 HTTP  6.2.4 万维网的文档  6.2.5 万维网的信息检索系统  6.3 流媒体  6.3.1 流媒体的概述  6.3.2 存储式流媒体  6.1.3 交互式流媒体  6.4 改进“尽最大努力交付”的服务  6.4.1 使因特网提供服务质量  6.4.2 调度和管制机制  6.4.3 综合服务 IntServ 与资源预留协议 RSVP  6.4.4 区分服务 DiffServ

第一章 网络信息资源基础知识 •第一节 因特网基础 •第二节 网络信息资源 •第三节 搜索引擎 •第四节 搜索引擎使用技巧 •第五节 搜索典型案例 第二章 德州学院图书馆电子资源的利用

• 查询优化概述 • 相关反馈(relevance feedback) • 相关反馈概述 • Rocchio 相关反馈算法 • 隐式相关反馈 • 伪相关反馈 • 相关反馈的假设条件及评价方法 • 查询扩展(Query expansion)

• 概率基础知识 • 概率排序原理 • 二元假设检验与概率排序原理 • 概率排序的实现方式 • BIM模型 • 二值独立概率模型BIM • BIM排序函数的推导 • RSV的估算方法 • BM25模型

2-2文献的类型 一、以文献加工等级和层次为标准进行划分Primary literature Secondary literature, Tertiary literature 二、以文献的物质载体形式为标准划分早期文献、纸质文献和现代文献等 三、以文献的出版形式为主要标准的综合性划分图书、期刊、特种文献 四、按文献传播和使用范围进行划分白色、灰色和黑色文献等

如何建立词项词典？ 文档解析：格式？语言？编码方式？ 词条化：词条（Tokens）/词项（Terms） 停用词：停用词表？查表法 or 基于文档频率 词项归一化：等价类同义词扩展表 词形归并：am, are, is be 词干还原：去除单词两端词缀、Porter算法 如何实现倒排记录表？ • 跳表:跳表指针(位置、个数、更新问题） • 短语查询 • 二元词索引扩展的二元词索引：词性标注 • 位置信息索引邻近查询 • 增加倒排记录表 • 混合索引机制