第一节 自动标引的基本原理 ◼ 自动标引的定义、类型 ◼ 自动标引的意义 ◼ 自动标引的流程 ◼ 自动标引的原理 第二节 自动标引方法和技术 ◼ 统计标引法（课堂只讲这种方法） ◼ 概率标引法：根据文献满足提问的概率来估计 ◼ 句法分析标引法 ◼ 语义分析标引法 ◼ 人工智能标引法 第三节 汉语文本自动标引 ◼ 汉语自动分词方法 • 基于匹配的分词方法 • 基于统计的分词方法 • 基于理解的分词方法

第一章 生物信息学的概念及其发展历史 第二章 生物学数据库及其检索 第三章 序列比对原理 第四章 蛋白质结构预测与分析 第五章 真核生物基因组的注释 第六章 蛋白质组学 第七章 系统生物学 第八章 合成生物学 第九章 分子进化与系统发育 第十章 统计学习与推理 第十一章 生物信息学编程基础 第十二章 第二代测序技术及其应用

第一章 生物信息学的概念及发展历史 第二章 生物学数据库及其检索 第三章 序列比对原理 第四章 蛋白质结构预测与分析 第五章 基因组学 第六章 转录组学 第七章 非编码RNA 第八章 蛋白质组学 第九章 系统生物学 第十章 合成生物学 第十一章 分子进化与系统发育 第十二章 统计学习与推理 第十三章 生物信息学编程基础 第十四章 新一代测序技术及其应用

7.1 伪指令 7.2 算术运算程序的设计 7.3 循环程序的设计 7.4 查表程序的设计 7.5 检索程序的设计 7.6 分支程序的设计 7.7 码制转换程序的设计 7.8 逻辑操作程序

7.1 伪指令 7.2 算术运算程序的设计 7.3 循环程序的设计 7.4 查表程序的设计 7.5 检索程序的设计 7.6 分支程序的设计 7.7 码制转换程序的设计

第一节 分类学概述 第二节 分类阶元 第三节 分类特征 第四节 动物命名方法 第五节 检索表

• 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

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

学位论文是指高等院校的博士研究生、硕士研究生、本科生毕业时所撰写的学术性研究论文。 特征：一般有表示学位论文名称，如thesis，dissertation以及授予学位的单位； 学位论文除在本单位被收藏外，一般还在国家指定单位专门进行收藏。国内收藏硕士、博士学位论文的指定单位是中国科学技术信息研究所和国家图书馆

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