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1节 网络商务信息的收集与整理 1.1 网络商务信息基础 1.2 网络商务信息的收集 1.3 常用检索工具 1.4 网络商务信息的整理 第2节 网络营销的主要方法 • 2.1 网络营销的概念 • 2.2 网络营销策略 • 2.3 网络消费者 • 2.4 网上市场调查的方法 • 2.5 单一目的的网上市场调研 • 2.6 商情分析报告的撰写 • 2.7 网络促销方法 第3节 网络商务信息的发布 3.1 利用网络工具发布商务信息 3.2 在其它网站上发布商务广告

• 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）

• 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

2.1信息资源管理流程的描述 2.2信息需求分析 2.3信息采集 2.4信息加工 2.5信息存储 2.6信息检索 2.7信息传输 2.8信息利用 2.9信息反馈

“一个具有信息素养的人,他能够认 识到精确的和完整的信息是做出合理决策 的基础,确定对信息的需求,形成基于信 息需求的问题,确定潜在的信息源,制定 成功的检索方案,从包括基于计算机和其 他信息源获取信息、评价信息、组织信息 于实际的应用,将新信息与原有的知识体 系进行融合以及在批判性思考和问题解决 的过程中使用信息

• 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