出版时间:2014-1 出版社:电子工业出版社 作者:【美】Ian H.Witten,【美】Alistair Moffat,【美】Timothy C.Bell 译者:梁斌,杨青
Tag标签:无
内容概要
《管理海量数据——压缩、索引和查询(第2版)》是斯坦福大学信息检索和挖掘课程的首选教材之一,并已成为全球主要大学信息检索的主要教材。《管理海量数据——压缩、索引和查询(第2版)》理论和实践并重,深入浅出地给出了海量信息数据处理的整套解决方案,包括压缩、索引和查询的方方面面。其最大的特色在于不仅仅满足信息检索理论学习的需要,更重要的是给出了实践中可能面对的各种问题及其解决方法。
《管理海量数据——压缩、索引和查询(第2版)》作为斯坦福大学信息检索课程的教材之一,具有一定的阅读难度,主要面向信息检索专业高年级本科生和研究生、搜索引擎业界的专业技术人员和从事海量数据处理相关专业的技术人员。
作者简介
作者
作者是南半球院校当中最权威最重要的专家,本书当中阐释了他们多项创新性研究。他们写过8本书,300多篇研究论文 ,也在许多国际性程序协会当中做过研究,包括 IEEE数据压缩协会,ACM数字图书馆,以及信息检索协会。
译者
杨青,毕业于清华大学计算机系,原人民搜索技术总监,参与网页搜索、新闻搜索等多个产品项目的研发工作,在搜索引擎上面有多年的实践经验。
梁斌,清华大学计算机系博士研究生在读,在搜狗和金山软件等多个公司从事搜索引擎和内容推荐的研发工作,曾编著《走进搜索引擎》。
书籍目录
第1章 概览 1
1.1 文档数据库(document databases) 7
1.2 压缩(compression) 10
1.3 索引(indexes) 12
1.4 文档索引 16
1.5 MG海量文档管理系统 20
第2章 文本压缩 23
2.1 模型 26
2.2 自适应模型 29
2.3 哈夫曼编码 32
范式哈夫曼编码 38
计算哈夫曼编码长度 44
总结 52
2.4 算术编码 52
算术编码是如何工作的 53
实现算术编码 57
保存累积计数 60
2.5 符号模型 61
部分匹配预测 62
块排序压缩 65
动态马尔科夫压缩 69
基于单字的压缩 72
2.6 字典模型 73
自适应字典编码器的LZ77系列 75
LZ77的Gzip变体 78
自适应字典编码器的LZ78系列 80
LZ78的LZW变体 82
2.7 同步 84
创造同步点 85
自同步编码 87
2.8 性能比较 90
压缩性能 92
压缩速度 95
其他性能方面的考虑 98
第3章 索引 99
3.1 样本文档集合 103
3.2 倒排文件索引 107
3.3 压缩倒排文件 112
无参模型(Nonparameterized models) 114
全局贝努里模型 117
全局观测频率模型(Global observed frequency model) 120
局部贝努里模型(Local Bernoulli model) 121
有偏贝努里模型(Skewed Bernoulli model) 122
局部双曲模型(Local hyperbolic model) 124
局部观测频率模型(Local observed frequency model) 125
上下文相关压缩(Context-sensitive compression) 127
3.4 索引压缩方法的效果 129
3.5 签名文件和位图 131
签名文件 132
位片签名文件(Bitsliced signature files) 136
签名文件分析 141
位图 144
签名文件和位图的压缩 145
3.6 索引方法的比较 148
3.7 大小写折叠、词根化和停用词 150
大小写折叠 151
词根化 151
影响索引长度的因素 152
停用词(stop word) 153
第4章 查询 157
4.1 访问字典的方法 161
访问数据结构 162
前端编码(Front coding) 165
最小完美哈希函数 168
完美哈希函数的设计 171
基于磁盘的字典存储 176
4.2 部分指定的查询术语 177
字符串暴力匹配(Brute-force string matching) 177
用n-gram索引 178
循环字典(Rotated lexicon) 180
4.3 布尔查询(BOOLEAN QUERY) 182
合取查询(conjunctive query) 182
术语处理顺序 183
随机访问和快速查找 185
分块倒排索引 187
非合取查询(Nonconjunctive Query) 190
4.4 信息检索和排名 191
坐标匹配(Coordinate matching) 191
内积相似度 192
向量空间模型 197
4.5 检索效果评价 200
召回率和精确率 200
召回率——精确率曲线 203
TREC项目 204
万维网搜索(World Wide Web Searching) 208
其他有效性评价方法 211
4.6 余弦法实现 212
文档内频率 212
余弦值的计算方法 216
文档权重所需的内存 217
累加器内存 222
快速查询处理 224
按频率排序的索引 225
排序 228
4.7 交互式检索 232
相关性反馈 232
概率模型 235
4.8 分布式检索 237
第5章 索引构造 243
计算模型 246
索引构造方法概览 247
5.1 基于内存的倒排 248
5.2 基于排序的倒排 251
5.3 索引压缩 255
压缩临时文件 256
多路归并 259
原地多路归并 260
5.4 压缩的内存内倒排 266
大内存倒排 266
基于字典的切分(Lexicon-based partitioning) 271
基于文本的切分 273
5.5 倒排方法的比较 276
5.6 构造签名文件和位图 277
5.7 动态文档集合 279
扩展文本(Expanding the text) 279
索引扩展(Expanding the index) 280
第6章 图像压缩 287
6.1 图像类型 288
6.2 CCITT二值图像的传真标准 292
6.3 二值图像的上下文压缩 296
上下文模型 299
二值上下文模型 302
“超视力”压缩(Clairvoyant compression) 304
6.4 JBIG:二值图像标准 305
分辨率降低(Resolution reduction) 306
模板和自适应模板 311
编码及概率估计 312
6.5 连续色调图像的无损压缩 313
GIF和PNG无损图像格式 314
FELICS:快速、有效且无损图像压缩系统 316
CALIC:基于上下文自适应无损图像解码器 320
JPEG-LS:无损图像压缩新标准 321
6.6 JPEG:连续色调图像标准 323
6.7 图像的递增传输 328
金字塔编码 329
金字塔编码的压缩 330
中位数聚合 332
误差模型 333
6.8 图像压缩技术总结 334
第7章 文本图像 337
7.1 文本图像压缩概念 339
7.2 有损压缩和无损压缩 343
7.3 标记抽取 345
跟踪标记的边界 345
清除图像中的标记 348
按自然阅读顺序排序标记 350
7.4 模板匹配 351
全局模板匹配 352
局部模板匹配 354
基于压缩的模板匹配 355
库模板筛法 358
评价模板匹配方法 359
7.5 从标记到符号 363
库构造 363
符号及其偏移量 365
7.6 编码文本图像分量 366
库 366
符号数 367
符号偏移 367
原始图像 368
7.7 效果:有损和无损的模式 370
7.8 系统考虑 376
7.9 JBIG2:图像文本压缩标准 377
第8章 混合图文 381
8.1 方向 383
用Hough变换检测直线 384
左侧留白查找 386
投影轮廓 387
从斜率直方图到文本谱 392
8.2 切分 396
自下向上的切分方法 396
自上向下的组合的切分方法 398
基于标记的切分 399
使用短文本字符串切分 401
利用文本句法切分 404
8.3 分类 405
第9章 系统实现 409
9.1 文本压缩 410
选择压缩模型 411
选择编码器 414
哈夫曼编码的限制 416
长度限制的编码 422
9.2 文本压缩效果 427
压缩有效性 427
解压速度 431
解压内存 431
动态文档集合 434
9.3 图像和文本图像 436
压缩二值图像 438
压缩灰度图像 439
压缩文本图像 439
9.4 构造索引 441
9.5 索引压缩 443
9.6 查询处理 445
布尔查询 445
排名查询 448
附录A mg系统指南 451
A.1 安装MG系统 451
A.2 一个简单的存储和检索例子 453
A.3 数据库创建 458
A.4 对一个索引文档集合进行查询 462
A.5 非文本文件 464
A.6 图像压缩程序 466
附录B 新西兰图书馆 467
B.1 什么是NZDL 467
计算机科学报告(Computer Science Technical Reports) 467
其他文档集合 470
文档集合的发展 476
音频集合(audio collections) 476
音调索引(Melody Index) 477
B.2 NZDL是如何工作的 479
原始文档 479
搜索和索引 480
B.3 影响 482
参考文献 483
图书封面
图书标签Tags
无
评论、评分、阅读与下载
管理海量数据——压缩、索引和查询(第2版)(经典再现全新修订版) PDF格式下载