•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

• 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)

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

第七章查找 一、查找也叫检索,是根据给定的某个值,在表中确定一个关键字等于给定值的记录或数据元素。 二、关键字——是数据元素中某个数据项的值,它可以标识一个数据元素

随着人类基因组计划的实施,通过基因组测序,蛋白质序列测定结构解析等实 验,分子生物学家提供了大量的有关生物分子的原始数据,需要利用现代计算技 术对这些原始数据进行收集、整理、管理以便于检索使用。而为了解释和理解这 些数据,还需要对数据进行比对、分析,建立计算模型,进行仿真、预测与验 证,因而出现生物信息学,它的出现,极大的促进了分子生物学的发展

一、上面所介绍的都是将文档表示为T维词条权向量的。但用户可能提出的查询中的词条不在用在索引文档的词条中。 二、例如,从词条相似性的角度来看,词条“数据挖掘”和“知识发现”设有什么直接的共同点。然而,从语义角度来看,这两个词条有很大的相同点

查找也叫检索,是一种在实际中大量应用的基本运算 查找表是由同一类型的数据元素(或记录)构成的集合 对查找表经常进行的操作有以下几种:

非数值主要指的是数之外的数据,它的操作主要是对数据进行处理,如代码转换、字符处理、排序、检索等。 7.1串操作 7.2表的处理 7.3代码转换

第7章非数值运算 非数值主要指的是数之外的数据,它的操作主要是对数据进行处理 ,如代码转换、字符处理、排序、检索等。 7.1串操作 7.2表的处理 7.3代码转换