智能检索技术

前言

面对海量信息，信息的精确检索就像大海捞针一样困难。智能检索技术吸取多个学科的研究成果，力图通过对文本、图像和视频信息的智能处理，实现信息的精确检索。本书系统地阐述了文本、图像和视频检索的理论方法和实现技术，并重点突出了本领域的最新研究成果。本书涵盖智能检索技术的主要内容，全书共分14章：第1～4章介绍文本的智能检索技术，包括文本检索技术、文本自动分词、概念语义空间、基于本体的文本检索技术等；第5～10章介绍图像的智能检索技术，包括MPEG一7标准中图像的视觉特征、图像的局部特征、基于视觉特征的图像检索技术、基于语义的图像检索技术、Web图像的检索技术等；第11～14章介绍视频的智能检索技术，包括视频的结构化技术、语音识别技术、视频的标注技术等。本书的成果是集体智慧的结晶，由陆建江、张亚非、徐伟光和苗壮负责撰稿。另外，感谢赵天忠、李阳、肖琪、谢正辉、周波、李冉、李言辉、康达周、王进鹏、王家宝、田豫龙等同学为本书撰写工作付出的辛勤工作，这些同学参与了全书的校对工作，在此深表感谢。全书每一章的内容组织和细节都经过多次讨论和修改才定稿，力求深入浅出，让读者轻松掌握相关的知识。尽管每一节、每一句、每篇参考文献，甚至每个标点我们都精心检查，但难免还存在一些缺点和遗漏，殷切希望广大读者批评指正。希望本书的出版能够对智能检索技术相关领域的研究人员有所裨益，并希望通过阅读本书，读者能够很快进行相关领域的研究工作。

内容概要

面对海量信息，信息的精确检索就像大海捞针一样困难。智能检索技术吸取多个学科的研究成果，力图通过对文本、图像和视频信息的智能处理，实现信息的精确检索。本书系统地阐述了文本、图像和视频检索的理论方法和实现技术，并重点突出了本领域的最新研究成果。　　本书可作为高等院校计算机科学与技术、模式识别与智能系统等学科方向高年级本科生和研究生的教材，也可作为相关领域学生的参考书。

书籍目录

《智能科学技术著作丛书》序前言第1章　文本检索技术  1.1　基于索引的检索技术  1.2　文本提取  1.3　文本预处理    1.3.1　停用词删除    1.3.2　词干提取    1.3.3　索引词选择    1.3.4　建立词典  1.4　索引  1.5　文本检索模型    1.5.1　布尔模型    1.5.2　向量空间模型    1.5.3　概率论模型    1.5.4　PageRank模型  1.6　分布式搜索引擎    1.6.1　分布式元搜索引擎    1.6.2　散列式分布搜索引擎    1.6.3　局部遍历型搜索引擎    1.6.4　P2P分布式搜索引擎    参考文献第2章　文本自动分词  2.1　基于字符串匹配的正向最大匹配算法  2.2　基于简码匹配的Hash分词算法    2.2.1　简码匹配方式    2.2.2　Hash分词算法    2.2.3　消歧融入切分过程    2.2.4　基于简码的Hash算法    2.2.5　平均匹配次数的理论分析    2.2.6　分词测试及结果  2.3　基于统计的分词方法    参考文献第3章　概念语义空间  3.1　基于奇异值分解的潜在语义索引方法  3.2　基于非负矩阵分解的潜在语义索引方法    3.2.1  NMF问题的提出    3.2.2  目标函数    3.2.3  NMF方法的迭代规则    3.2.4  NMF的非唯一性    3.2.5　基于NMF的概念语义生成    3.2.6　其他NMF方法  3.3　NMF方法与SVD方法的比较    3.3.1　问题本质    3.3.2　概念语义向量的特点    3.3.3　概念语义向量的解释    3.3.4  NMF方法与SVD方法敏感性的比较    3.3.5  NMF方法与SVD方法检索性能的比较  　参考文献第4章　基于本体的文本检索技术  4.1　本体定义  4.2　描述逻辑    4.2.1　描述逻辑ALC      4.2.2　描述逻辑ALC的构造子扩展  4.3　本体语言    4.3.1　可扩展标记语言XML    4.3.2　资源描述框架RDF    4.3.3　本体语言OWL  4.4　基于本体的文本检索技术    4.4.1　本体构建    4.4.2　语义标注    4.4.3　语义查询  参考文献第5章　基于内容的图像检索第6章　MPEG-7标准中国像的视觉特征第7章　图像的局部特征第8章　基于视觉特征的图像检索技术第9章　基于语义的图像检索技术第10章　Web图像的检索技术第11章　基于内容的视频检索技术第12章　视频的结构化技术第13章　语音识别技术第14章　视频的标注技术　

章节摘录

第1章 文本检索技术1.3 文本预处理1.3.1 停用词删除我们知道如果一个词在某个文本中多次出现，那么这个词就很有可能与文本的主题密切相关。然而如果一个词在多个文本中出现，而且频率过高，那么它对文本的区别能力就非常低。一般地，在文档库的文本中出现频率超过80％的词对检索过程根本起不到作用。这部分词被称为停用词(stopword)。在选择构建索引的词时，停用词需要被过滤，以提高索引效率。一般地，冠词、介词、连词等都是停用词，实际检索系统都会设置一个停用词表。删除停用词可以大大缩小索引空间的大小，一般可以缩小40％左右。删除停用词的缺点是可能会影响检索系统的查准率，有的文本检索系统为了克服这一缺点采用全文索引，并不剔除停用词，对所有的词都建立索引。1.3.2 词干提取词干提取是为了解决英文检索中存在的问题而采取的操作。词于是指将词的词缀(前缀和后缀)删除后剩下的部分。例如单词“compete”是它的变形“competes”、“competitor”、“competition”、“competin9”和“competed”的词干。在英文检索中，如果用户输入的词是信息库中某个相关文本中词的一种变形，词的变形可以是该词的复数、动名词或者过去分词形式等，那么这些相关文本将被视作与查询无关的文本，这将大大影响召回率。为解决这个问题，在构建索引时，用词干来代替词干的所有变形。词干提取不仅在很大程度上提高召回率，改善信息检索的性能，同时由于词干的众多变形都由词干代替，用于构建索引的词数量也大大减少，索引空间也进一步缩小。目前，词干提取技术可以分为：词缀删除、表格查询、后续变形、N-连字。词缀删除技术比较直观、简单、有效。在词缀删除中，最重要的就是对词中后缀的删除，因为大多数词的变形是通过后缀来实现的。目前已经有多种关于词缀删除的算法，其中，Porter算法以其简单性和有效性而得到广泛应用。表格查询技术通过在表格中查找某个词的词干来实现，表格中的信息依赖于整个语言中词的词干，因此通常需要相当大的存储空问来存放表格，这就制约了表格查询技术的应用。后续变形技术主要是通过结构化语言的知识来确定词素的边界，这种技术比词缀删除技术复杂。N-连字技术判断单词中的字母是否连在一起，这一过程实际上是词条聚类的过程。

编辑推荐

《智能检索技术》特点：智能检索技术是国内外学术界研究的热点，《智能检索技术》吸取计算机科学与技术、模式识别与智能系统等多个学科的研究成果，系统地阐述了文本、图像和视频检索的理论方法和实现技术，并重点突出语义检索技术的最新研究成果。

图书封面

图书标签Tags

无

评论、评分、阅读与下载

---

    智能检索技术 PDF格式下载

---