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)

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

课程总结与复习  Web信息搜索概述  GFS + MapReduce + BigTable  全文检索 + 网页排序  多媒体检索  文本聚类  文本分类  推荐系统  语义网  知识图谱

1 标准、标准化与印制板 2 标准的分类 3 印制板标准 4 印制板的相关标准 5 印制板的质量与合格评定

近世代数基本知识复习 子环与理想 循环群 有限域的乘法结构 有限域的加法结构 有限域的代数结构 多项式的因式分解 正规基和对偶基

Product——产品 Price——价格 Place——分销 Promotion——促销 Strategy——策略 所谓的营销组合就是以上4个P的组合 Marketing Mix

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

1.汇编语言的一般概念 2.学习和使用汇编语言的目的 3.进位计数制及其相互转换 4.带符号数的表示 5.字符的表示 6.基本逻辑运算

 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