应用与背景 语言模型 主题模型-隐语义分析与矩阵分解  Latent Semantic Indexing (LSA), SVD and MF 主题模型-概率隐语义分析  Probabilistic Latent Semantic Indexing (pLSA) 多项式分布、狄利克雷分布与共轭  Conjugate Prior, Dirichlet Distribution and Conjugate 主题模型-隐狄利克雷分布  Latent Dirichlet Allocation (LDA)

 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

3.1 LTI离散系统的响应 一、差分与差分方程 二、差分方程的经典解 三、零输入响应和零状态响应 3.2 单位序列响应和阶跃响应 一、单位序列响应 二、阶跃响应 3.3 卷积和 一、序列分解与卷积和 二、卷积的图解 三、不进位乘法 四、卷积和的性质

语义网（Semantic Web）  语义网提出的背景  语义网概念与体系结构  XML与RDF格式 标记语言 可扩展标记语言（XML）  本体  语义网应用

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

§6.1 Z变换 §6.2 z变换的基本性质

§6.3 逆Z变换 §6.4 Z变换和拉普拉斯变换的关系

一、输入一输出法(端口法) 研究单输入-单输出系统; 着眼于系统的外部特性; 基本模型为系统函数,着重运用频率响应特性的 概念

§2.8 卷积的图解 §2.9 线性系统响应的时域求解