信息搜索与人工智能

图书标准信息

• 作者 郭军
• 出版社 北京邮电大学出版社有限公司
• 出版时间 2022-01
• 版次 1
• ISBN 9787563565917
• 定价 48.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 252页
• 字数 389千字

【内容简介】

本书从人工智能的视角系统讲解信息搜索的基本概念、系统构成和关键技术。通过本课程的学习，使学生全面掌握信息搜索各类系统的原理、模型和关键技术；通过人工智能模型和算法在信息搜索系统中的案例式应用，使学生在学习人工智能知识的同时，深刻理解人工智能与信息搜索之间相互促进、相辅相成的关系。为学生从事相关专业的研究打下良好理论和知识基础。

【作者简介】

郭军，北京邮电大学人工智能学院教授，北京邮电大学人工智能研究院院长，北京邮电大学原副校长，中国高等教育学会常务理事，北京市政协常委，北京市高级知识分子联谊会理事。1982年和1985年分获北京邮电学院学士和硕士学位，1993年获日本东北学院大学博士学位。长期从事模式识别、机器学习、自然语言处理等方向的研究，研究成果在SCIENCE、Scientific Reports、PLOS One、IEEE TPAMI、IEEE TNNLS、AAAI、CVPR、ICCV、ECCV等国际著名期刊和会议上发表，编著出版《智能信息技术》、《Web搜索》、《图像处理与识别》、《网络管理》等教材和著作。2005年所著《网络管理》获首届北京高等教育精品教材奖，2017年获吴文俊人工智能科学技术进步奖一等奖，2019年获IEEE通信学会亚太区杰出论文奖。

【目录】

章  导论

1.1  信息搜索的意义

1.2  信息搜索与人工智能

1.3  技术挑战及科学价值

1.4  理论与技术状况

1.5  本书的内容

小结

问题与练

第2章  信息搜索基础

2.1  引言

2.2  信息采集

2.2.1  概述

2.2.2  网络爬虫的基本

2.2.3  网络爬虫需解决的关键问题

2.3  信息保存

2.3.1  概述

2.3.2  对象预处理

2.3.3  信息保存方

2.4  信息索引

2.4.1  概述

2.4.2  索引结构

2.4.3  索引词选取

2.5  超分析

2.5.1  概述

2.5.2  pagerank算

2.5.3  hits算

2.6  信息检索系统

2.6.1  概述

2.6.2  文本检索

2.6.3  视觉检索

2.6.4  音频检索

2.7  信息过滤系统

2.7.1  概述

2.7.2  信息过滤的关键技术

2.7.3  垃圾邮件过滤系统

2.8  信息系统

2.8.1  概述

2.8.2  关联规则挖掘

2.8.3  协同过滤

2.9  系统能指标

小结

问题与练

第3章  文本表示与分析

3.1  引言

3.2  文本的向量表示

3.2.1  n元模型

3.2.2  基于潜语义标号的文本向量

3.2.3  基于自组织映的文本向量

3.2.4  基于分布式词向量的文本表示

3.3  文本特征选择

3.3.1  包含算

3.3.2  排除算

3.4  文本聚类

3.4.1  区分

3.4.2  生成

3.5  文本分类

3.5.1  κ-nn分类器

3.5.2  bayes分类器

3.5.3  优选熵分类器

3.5.4  svm分类器

3.5.5  神经网络分类器

3.6  文本的语义哈希分析

3.6.1  语义哈希模型

3.6.2  语义哈希模型的训练

3.7  转换模型——transformei

3.7.1  基本结构

3.7.2  注意力机制

3.7.3  外围技术

小结

问题与练

第4章  视觉信息理解

4.1  引言

4.2  图像特征抽取

4.2.1  sift特征

4.2.2  方向线素特征

4.2.3  仿生人脸特征

4.2.4  高层特征

4.3  图像特征编码表示

4.3.1  编码表示方

4.3.2  码本及编码学算k-svd

4.4  图像分类与标注

4.4.1  概述

4.4.2  空间金字塔匹配

4.4.3  有监督的多类标注

4.5  物体识别

4.5.1  星群模型

4.5.2  alex模型

4.6  文字识别

4.6.1  离线文字识别系统

4.6.2  余弦整形变换

4.6.3  渐进计算的马氏距离分类器

4.7  人脸识别

4.7.1  adaboost人脸检测算

4.7.2  早期人脸识别算

4.7.3  若干研究热点

4.8  分析

4.8.1  镜头切分

4.8.2  摘要

4.8.3  描述

小结

问题与练

第5章  语音识别及音频分析

5.1  引言

5.2  声学特征提取

5.2.1  时域特征提取

5.2.2  频域特征提取

5.3  隐马尔可夫模型

5.3.1  基本概念

5.3.2  训练、识别及译码算

5.4  基于hmm的语音识别系统

5.4.1  hmm语音识别系统的结构

5.4.2  声学模型

5.4.3  语言模型

5.4.4  解码器

5.5  基于深度学的语音识别

5.6  音跨模态检索

5.7  非语音音频分析

5.7.1  概述

5.7.2  声学模型

5.7.3  语义模型

5.7.4  声学空间与语义空间的联系

5.8  音乐检索与生成

5.8.1  概述

5.8.2  音乐特征的表示和提取

5.8.3  音乐检索系统

5.8.4  音乐生成

小结

问题与练

第6章  数据特征及系统模型学

6.1  引言

6.2  数据降维变换

6.3  数据子空间聚类学

6.4  数据半监督标注

6.5  系统模型强化学

6.6  系统模型对抗学

6.7  系统模型主动学

6.8  系统模型矩阵分解

小结

问题与练

第7章  前沿技术及对话系统

7.1  引言

7.2  个化搜索

7.3  社交搜索

7.3.1  概述

7.3.2  社区分析

7.3.3  社交网络信息传播

7.4  内网检索及对象检索

7.4.1  概述

7.4.2  对象检索的基本概念

7.4.3  信息抽取

7.5  知识图谱

7.5.1  概述

7.5.2  知识图谱的结构建模

7.5.3  知识结构的抽取

7.5.4  知识图谱中的推理

7.6  对话系统

7.6.1  概述

7.6.2  对话系统的基本构成

7.6.3  端到端型对话系统

7.6.4  主要挑战及发展方向

小结

问题与练

参文献