• 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

• 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

•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

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

 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

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

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

第一节 中国学术期刊（网络版） 第二节 中文科技期刊数据库（维普资讯-中文期刊服务平台） 第三节 万方数据的中国学术期刊数据库 附 录 龙源期刊网