信息检索导论

出版时间：2010-1  出版社：人民邮电出版社  作者：（美）曼宁，（美）拉哈万，（德）舒策　著  页数：482  字数：605000  
Tag标签：无  

前言

　　As recently as the 1990s， studies showed that most people preferred getting information from other people rather than from information retrieval OR） systems. Of course， in that time period， most people also used human travel agents to book their travel. However， during the last decade， relentless opti- mization of information retrieval effectiveness has driven web search engines to new quality levels at which most people are satisfied most of the time， and web search has become a standard and often preferred source of information finding. For example， the 2004 Pew Internet Survey （Fallows 2004） found that "92% of Internet users say the Internet is a good place to go for getting everyday information." To the surprise of many， the feld of information re- trieval has moved from being a primarily academic discipline to being the basis underlying most peoples preferred means of information access. This book presents the scientific underpinnings of this field， at a level accessible to graduate students as well as advanced undergraduates.　　Information retrieval did not begin with the Web. In response to various challenges of providing information access， the field of IR evolved to give principled approaches to searching various forms of content. The field be- gan with scientific publications and library records but soon spread to other forms of content， particularly those of information professionals， such as journalists， lawyers， and doctors. Much of the scientific research on IR has occurred in these contexts， and much of the continued practice of IR deals with providing access to unstructured information in various corporate and governmental domains， and this work forms much of the foundation of our book.

内容概要

　　本书是信息检索的教材，旨在从计算机科学的视角提供一种现代的信息检索方法。书中从基本概念讲解网络搜索以及文本分类和文本聚类等，对收集、索引和搜索文档系统的设计和实现的方方面面、评估系统的方法、机器学习方法在文本收集中的应用等给出了最新的讲解。　　书中所有重要的思想都是用示例进行解释，图文并茂。本书非常适合作为计算机科学及相关专业的高年级本科生和研究生的“信息检索”课程的入门教材，当然也同样适合研究人员和专业人士阅读。

作者简介

　　Christopher D.Manning，斯坦福大学语言学博士，现任斯坦福大学计算机科学和语言学副教授，主要研究方向是统计自然语言处理、信息提取与表示、文本理解和文本挖掘等。　　Prabhakar Raghavan，加州大学伯克利分校博士，现任Yahoo！实验室主任，斯坦福大学计算机科学系顾问教授，是ACM和IEEE会士。主要研究兴趣是文本及Web数据挖掘、算法设计等。此前，他曾任Verity公司CTO，并在旧M研究院担任过管理工作。　　Hinrich Schuze斯坦福大学博士，现任斯图加特大学自然语言处理研究所理论计算语言学主任。他在美国硅谷工作过多年，曾在施乐Palo Alto研究中心供职，担任过Outride公司（后被Google公司收购）副总裁，做过Novation生物科技公司CTO和Enkata公司首席科学家。

书籍目录

1　Boolean retrieval　2　The term vocabulary and postings lists　3　Dictionaries and tolerant retrieval　4　Index construction　5　Index compression　6　Scoring, term weighting, and the vector space model　7　Computing scores in a complete search system　8　Evaluation in information retrieval　9　Relevance feedback and query expansion　10　XML retrieval　11　Probabilistic information retrieval　12　Language models for information retrieval　13　Text classification and Naive Bayes　14　Vector space classification　15　Support vector machines and machine learning on documents　16　Flat clustering　17　Hierarchical clustering　18　Matrix decompositions and latent semantic indexing　19　Web search basics　20　Web crawling and indexes　21　Link analysis　Inde　Bibliography　

章节摘录

　　An example information retrieval problem　　A fat book that many people own is Shakespeares Collected Works.Suppose you wanted to determine which plays of Shakespeare contain the words Brutus AND Caesar AND NOT Calpurnia.One way to do that is to start at the beginning and to read through all the text，noting for each play whether it contains Brutus and Caesar and excluding it from consideration if it contains Calpurnia.The simplest form of document retrieval is for a computer to do this sort of linear scan through documents.This process is commonly referred to as grepping through text，after the Unix command g r e p，which performs this process.Grepping through text can be a very effective process， especially given the speed of modem computers，and often allows useful possibilities for wildcard pattern matching through the use of regular expressions.With modem computers.for simple querying of modest collections （the size of Shakespeares Collected Works is a bit under one million words of text in total），you really need nothing more.　　But for many purposes，you do need more：　　1.To process large document collections quickly.The amount of online data has grown at least as quickly as the speed of computers，and we would now like to be able to search collections that total in the order of biHions to trillions of words.　　2.To allow more flexible matching operations.For example，it is impractical to perform the query Romans NEAR countrymen with g r e p，where NEAR might be defined as within 5 words or within the same sentence？　　3.To allow ranked retrieval.In many cases，you want the best answer to an information need among many documents that contain certain words. The way to avoid linearly scanning the texts for each query is to index the documents in advance.Let us stick with Shakespeares Collected Works，and use it to introduce the basics of the Boolean retrieval model.Suppose we record foreachdocument—here aplayofShakespeare’s—whetheritcontainseach word out of all the words Shakespeare used（Shakespeare used about 32，000 different words）.The result is a binary term—document incidence matrix,as in　Figure 1.1.Terms are the indexed units（further discussed in Section 2.2）;they are usuany words,and for the moment you can think of them as wordsf but the information retrieval literature normally speaks of terms because some of them，such as perhaps I-9 or Hong Kong are not usuaHy thought of as words.

媒体关注与评论

　　“如何排定SVM、XML、DNS和LSI的顺序？什么是信息检索中的垃圾信息、隐藏页和门页？MapReduce和其他一些并行运算方法是如何实现由兆字节（MB）到百万兆字节（PB）的飞跃的？这些问题在本书中您都能找到答案，本书首次将构建Web搜索引擎的复杂过程以一种清晰的全景方式展现给读者。”　　——Peter Norving，Google公司研究主管　　“本书将信息检索这个举足轻重而又发展迅猛的领域进行了全面、新颖、准确的介绍，我们非常需要这样一本教科书。”　　——Raymond J.Mooney，得克萨斯大学奥斯汀分校教授　　“此书内容新颖，选材独特，对信息检索的基础知识和发展方向进行了生动的描述。”　　——Jon Kleinberg，康奈尔大学教授

编辑推荐

　　《信息检索导论(英文版)》从计算机科学领域的角度出发，介绍了信息检索的基础知识，并对当前信息检索的发展做了回顾，重点介绍了搜索引擎的核心技术，如文档分类和文档聚类问题，以及机器学习和数值计算方法。书中所有重要的思想都用示例进行了解释，生动形象，引人入胜，实现了理论与实战的完美结合。　　《信息检索导论(英文版)》的三位作者均是信息检索领域的顶级专家，两位来自学术教育界，一位来自硅谷业界，使《信息检索导论(英文版)》既具备深厚的理论基础，又代表了尖端科技水准。因此，该书甫一出版，即被奉为该领域的权威著作，备受瞩目，目前已被众多世界名校采用为信息检索课程的教材。

用户评论 (总计14条)

•   本书很好的对IR进行了各方面的讲解。是一本学习IR，了解IR的经典教材。而且内容都比较新颖，将最近几年IR方面的研究成果都概括进本书
•   书还是不错的。看起来像正版的
•   书倒是不错，但是把书磨损的真够呛，看着就揪心
•   书的内容很好，书的印刷质量不怎么好！
•   　　搜素引擎入门书籍，各方面均有涉猎，严谨，通俗易懂
  　　入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典入门经典
•   　　作为入门书籍，还不错。分别介绍了信息检索领域的几个重要概念：倒排索引、检索引擎；tf-idf权重计算技术；向量空间模型，信息检索的评价，有序检索结果的评价MAP，ROC曲线，NDCG等等；相关反馈技术，伪相关反馈；概率检索模型，BM25算法；基于语言建模的信息检索模型，各种文本分类的技术，NB的，VSM的，SVM的；各种文本聚类技术，扁平的，层次的，LSI的；以及最后三章的关于web搜索的，不过关于web的都很基础很浅，没什么太深入的内容。重点推荐的中间部分的章节（第6，7，8，9，11，12章）。
•   　　对于搜索引擎的初学者里说，本书是一本绝对值得阅读的书目。作者从最简单的布尔检索到一个完整的搜索引擎，逐步深入，逐步引导读者思考，对建造一个大型搜索引擎需要用到的架构和算法都有所涉猎，看完后会对搜索引擎有一个大概的认识，对其基本原理也会有所了解。搜索引擎并不仅仅是检索信息，它还有一个更重要的用处是对返回的结果进行排序，而这往往是非常重要的。
•   　　这本书不错。值得一看。
  　　Christopher D. Manning，1989年毕业于澳大利亚国立大学，1995年获斯坦福大学语言学博士学位，曾先后在卡内基-梅隆大学、悉尼大学教授语言学，1999年起任斯坦福大学计算机科学和语言学副教授，其主要研究方向是统计自然语言处理、信息提取与表示，以及文本理解和文本挖掘等。
  　　
•   　　stanford的IR入门书籍，cmu stanford都在用该书作为IR入门书籍，很nice。在某些章节如果你有统计的基础来看的话，会更容易些。
•   　　第一次看到这本书的时候，还是在前年，当时这本书还只是个草稿的电子版，基本上ir所涉及到的内容都有，讲的也比较全面。
  　　要是你英文阅读能力还好的话，推荐去读读这本书，肯定会对ir有一个较为全面的了解的。
•   你好，LZ还能记起11章中排序函数的推导过程那一部分吗？求解11-15到11-16部分的递推解释...
•   但是我总觉得不适合没有一点IR基础的人来看，后面有些章节还是有点深度的
•   但是我总觉得不适合没有一点IR基础的人来看，后面有些章节还是有点深度的
  ========================
  后面那些章节是机器学习的部分，就是介绍一些机器学习的基础知识，因为现在的IR很多地方用到机器学习
•   你看的是哪个草稿版？我在官网上找到了一个April, 2009的版本，不知道是不是这个。