第1章 信息检索模型与算法 1
1.1 布尔检索模型 1
1.1.1 布尔模型的基本原理 1
1.1.2 布尔模型的分析 3
1.2 向量空间模型 3
1.2.1 向量空间模型的基本原理 4
1.2.2 向量空间模型的分析 7
1.3 扩展布尔模型 7
1.3.1 扩展布尔模型的基本原理 8
1.3.2 扩展布尔模型的分析 11
1.4 概率论检索模型 11
1.4.1 经典概率模型 12
1.4.2 基于Bayesian网络的检索模型 14
1.5 模糊集合检索模型 19
1.5.1 标引词关联矩阵 19
1.5.2 文档的隶属度 19
1.5.3 用户提问及表示 20
1.5.4 模糊检索模型的分析 20
1.6 Web信息检索算法 21
1.6.1 PageRank算法 21
1.6.2 HITS算法 22
1.6.3 两种算法的分析 24
第2章 信息融合原理与方法 27
2.1 信息融合的基本含义 27
2.1.1 信息融合的概念 27
2.1.2 信息融合的3层含义 28
2.2 信息融合的原理与功能 30
2.2.1 信息融合的基本原理 30
2.2.2 信息融合的目的 31
2.2.3 信息融合的基本功能 31
2.3 信息融合的信息论基础 32
2.3.1 信息的基本性质 32
2.3.2 基于信息特性的信息融合 33
2.3.3 信息融合的熵理论 34
2.4 信息融合的层次结构 37
2.4.1 数据层融合 37
2.4.2 特征层融合 39
2.4.3 决策层融合 40
2.4.4 3种层次结构的分析 41
2.5 信息融合的方法 43
2.5.1 基于贝叶斯估计的信息融合方法 43
2.5.2 D-S证据理论与信息融合 46
2.5.3 其他信息融合方法 50
第3章 信息检索中的信息融合模式 53
3.1 单数据集融合 53
3.1.1 描述融合 54
3.1.2 查询融合 54
3.1.3 方法融合 57
3.1.4 有效融合的条件 62
3.1.5 单数据集中融合的特点 64
3.2 多数据集融合 65
3.2.1 多数据集融合的特点 65
3.2.2 数据集选择 66
3.2.3 结果集融合 68
3.3 Web融合 70
3.3.1 多种模式融合 70
3.3.2 基于元搜索的融合 73
第4章 检索查询的融合策略 79
4.1 检索相关反馈 80
4.1.1 相关反馈技术 80
4.1.2 相关反馈算法 81
4.2 基于相关反馈的查询融合策略 86
4.2.1 查询融合算法 86
4.2.2 前k篇文献选取策略 87
4.3 查询融合的理论基础 90
4.3.1 “和余弦”命题 90
4.3.2 “两人智慧胜一人”假设 93
第5章 多Agent检索中的融合 99
5.1 Agent技术 99
5.1.1 Agent的概念与特征 99
5.1.2 Agent的产生与应用 102
5.1.3 Agent的结构与技术 106
5.2 单Agent的体系结构 108
5.2.1 慎思型Agent 109
5.2.2 反应型Agent 110
5.2.3 混合型Agent 112
5.3 多Agent系统 112
5.3.1 多Agent系统的概念与特点 112
5.3.2 多Agent系统类型 114
5.4 多Agent检索中的信息融合 118
5.4.1 Agent的决策与融合 118
5.4.2 多Agent融合模型 119
5.4.3 融合的团队共识 120
5.4.4 案例说明 123
第6章 分布式检索中数据集选择的融合 127
6.1 数据集选择方法 127
6.1.1 元搜索引擎与数据集选择 127
6.1.2 常用的数据集选择方法 128
6.1.3 数据集选择方法的比较 132
6.2 3种典型的数据集选择方法 134
6.2.1 gGlOSS方法 134
6.2.2 CORI方法 136
6.2.3 CVV方法 138
6.3 基于相关性与独特性融合的数据集选择 140
6.3.1 相关性的概念及特点 140
6.3.2 搜索引擎的独特性 143
6.3.3 相关性与独特性的线性融合 146
第7章 检索结果的排序融合 149
7.1 排序融合基础 149
7.1.1 排序的概念 149
7.1.2 排序融合方法的特点 150
7.1.3 排序融合中的投票模型 151
7.2 基于位置的排序融合方法 151
7.2.1 倒数方法 151
7.2.2 Borda记数方法 152
7.2.3 民主融合方法 153
7.3 基于比较的排序融合方法 157
7.3.1 Condorcet方法 157
7.3.2 马尔科夫链排序融合方法 163
7.4 不相交排序列表的融合 166
7.4.1 现有方法的局限 166
7.4.2 基于相关度系数的排序融合 167
第8章 自动标引中的信息融合 171
8.1 句法分析标引法 171
8.1.1 基于深层结构的标引法 171
8.1.2 COPSY标引法 175
8.2 语义分析标引法 177
8.2.1 相信函数模型 177
8.2.2 语义向量空间模型 181
8.3 基于概念的标引方法 184
8.3.1 FASIT标引法 184
8.3.2 基于概念层次树的标引方法 186
8.4 基于融合的概念标引 190
8.4.1 概念融合标引概述 190
8.4.2 基于概念的指标 190
8.4.3 概念指标的融合算法 193
第9章 基于内容的信息检索与融合 195
9.1 基于内容检索技术的特点 195
9.2 图像信息检索与融合 196
9.2.1 颜色检索 196
9.2.2 形状检索 198
9.2.3 纹理检索 198
9.2.4 基于特征融合的图像检索 199
9.3 视频信息检索与融合 205
9.3.1 视频信息特征提取 205
9.3.2 视频信息的检索方式 207
9.3.3 多种检索方式的融合 208
9.3.4 视频检索融合方法 210
9.4 音频信息检索与融合 213
9.4.1 语音检索 214
9.4.2 音乐检索 215
9.4.3 基于短时特征融合的音乐检索 217
参考文献 221