第一节网络信息检索工具与方法 第二节搜索引擎及其检索 第三节农业类网络信息资源

第一节ISI和SCI的发展 第二节引文索引法理论 第三节 Web of Science的检索方法 第四节核心期刊及评价方法 第五节WOS的学术信息资源的正确利用 第六节SCI论文的阅读和参考

• 语言模型 • 什么是概率语言模型？如何比较两个模型？ • 怎样由文档生成语言模型？ • 语言模型的种类 • 语言模型如何应用到IR 中？ • 查询似然模型(Query Likelihood Model) • 平滑的方法：线性插值LM • 扩展的LM 方法

一、计算机信息检索 与手工检索一样,计算机信息检索应作为未来 科技人员的一项基本功,这一能力的训练和培 养对科技人员适应未来社会和跨世纪科研都极 其重要,一个善于从电子信息系统中获取信息 的科研人员,必定比不具备这一能力的人有更 多的成功机会,美国报道生活新方式的期刊 POV也将交互网络检索专家作为未来十大热门 职业之一,这些情况都说明了计算机信息检索 越来越重要,故值得大家对这一技术予以重视

▪ 第一章 社会科学文献信息检索概述 ▪ 第二章 社科文献信息检索 ▪ 第三章 检索工具的排检方法 ▪ 第四章 社科文献信息检索工具：工具书 ▪ 第五章 工具书的综合运用 ▪ 第六章 计算机信息检索

一、 了解图书馆 二、 图书馆的资源 三、 图书馆的服务 四、信息检索的途径、方法

 背景、示例与应用  推荐系统要素  常用推荐方法 基于内容的推荐方法 基于标签的推荐方法 基于网络的推荐方法 基于上下文的推荐方法  推荐方法测试

文本分类（Text Classification）  示例、定义与范畴  文档表示与特征选择  中文文本类别与层次分类结构（人工）  文本分类方法 分类流程 基于划分的方法（e.g., K近邻） 基于模型的方法（不细讲）  分类效果评估

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

• 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