管理海量数据：压缩、索引和查询

图书标准信息

• 作者 [美]Ian、[美]Alistair、[美]Timothy C.Bell 著；梁斌、杨青 译
• 出版社 电子工业出版社
• 出版时间 2014-01
• 版次 2
• ISBN 9787121219337
• 定价 108.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 540页
• 正文语种 简体中文

【内容简介】

           　　《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）》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）（经典再现全新修订版）》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】

　　[美]Ian H.Witten ，[美]Alistair Moffat，[美]Timothy C.Bell，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。

　　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》。

【目录】

第1章 概览
1.1 文档数据库（document databases）
1.2 压缩（compression）
1.3 索引（indexes）
1.4 文档索引
1.5 MG海量文档管理系统
第2章 文本压缩
2.1 模型
2.2 自适应模型
2.3 哈夫曼编码
范式哈夫曼编码
计算哈夫曼编码长度
总结
2.4 算术编码
算术编码是如何工作的
实现算术编码
保存累积计数
2.5 符号模型
部分匹配预测
块排序压缩
动态马尔科夫压缩
基于单字的压缩
2.6 字典模型
自适应字典编码器的LZ77系列
LZ77的Gzip变体
自适应字典编码器的LZ78系列
LZ78的LZW变体
2.7 同步
创造同步点
自同步编码
2.8 性能比较
压缩性能
压缩速度
其他性能方面的考虑
第3章 索引
3.1 样本文档集合
3.2 倒排文件索引
3.3 压缩倒排文件
无参模型（Nonparameterized models）
全局贝努里模型
全局观测频率模型（Global observed frequency model）
局部贝努里模型（Local Bernoulli model）
有偏贝努里模型（Skewed Bernoulli model）
局部双曲模型（Local hyperbolic model）
局部观测频率模型（Local observed frequency model）
上下文相关压缩（Context-sensitive compression）
3.4 索引压缩方法的效果
3.5 签名文件和位图
签名文件
位片签名文件（Bitsliced signature files）
签名文件分析
位图
签名文件和位图的压缩
3.6 索引方法的比较
3.7 大小写折叠、词根化和停用词
大小写折叠
词根化
影响索引长度的因素
停用词（stop word）
第4章 查询
4.1 访问字典的方法
访问数据结构
前端编码（Front coding）
最小完美哈希函数
完美哈希函数的设计
基于磁盘的字典存储
4.2 部分指定的查询术语
字符串暴力匹配（Brute-force string matching）
用n-gram索引
循环字典（Rotated lexicon）
4.3 布尔查询（BOOLEAN QUERY）
合取查询（conjunctive query）
术语处理顺序
随机访问和快速查找
分块倒排索引
非合取查询（Nonconjunctive Query）
4.4 信息检索和排名
坐标匹配（Coordinate matching）
内积相似度
向量空间模型
4.5 检索效果评价
召回率和精确率
召回率——精确率曲线
TREC项目
万维网搜索（World Wide Web Searching）
其他有效性评价方法
4.6 余弦法实现
文档内频率
余弦值的计算方法
文档权重所需的内存
累加器内存
快速查询处理
按频率排序的索引
排序
4.7 交互式检索
相关性反馈
概率模型
4.8 分布式检索
第5章 索引构造
计算模型
索引构造方法概览
5.1 基于内存的倒排
5.2 基于排序的倒排
5.3 索引压缩
压缩临时文件
多路归并
原地多路归并
5.4 压缩的内存内倒排
大内存倒排
基于字典的切分（Lexicon-based partitioning）
基于文本的切分
5.5 倒排方法的比较
5.6 构造签名文件和位图
5.7 动态文档集合
扩展文本（Expanding the text）
索引扩展（Expanding the index）
第6章 图像压缩
6.1 图像类型
6.2 CCITT二值图像的传真标准
6.3 二值图像的上下文压缩
上下文模型
二值上下文模型
“超视力”压缩（Clairvoyant compression）
6.4 JBIG：二值图像标准
分辨率降低（Resolution reduction）
模板和自适应模板
编码及概率估计
6.5 连续色调图像的无损压缩
GIF和PNG无损图像格式
FELICS：快速、有效且无损图像压缩系统
CALIC：基于上下文自适应无损图像解码器
JPEG-LS：无损图像压缩新标准
6.6 JPEG：连续色调图像标准
6.7 图像的递增传输
金字塔编码
金字塔编码的压缩
中位数聚合
误差模型
6.8 图像压缩技术总结
第7章 文本图像
7.1 文本图像压缩概念
7.2 有损压缩和无损压缩
7.3 标记抽取
跟踪标记的边界
清除图像中的标记
按自然阅读顺序排序标记
7.4 模板匹配
全局模板匹配
局部模板匹配
基于压缩的模板匹配
库模板筛法
评价模板匹配方法
7.5 从标记到符号
库构造
符号及其偏移量
7.6 编码文本图像分量
库
符号数
符号偏移
原始图像
7.7 效果：有损和无损的模式
7.8 系统考虑
7.9 JBIG2：图像文本压缩标准
第8章 混合图文
8.1 方向
用Hough变换检测直线
左侧留白查找
投影轮廓
从斜率直方图到文本谱
8.2 切分
自下向上的切分方法
自上向下的组合的切分方法
基于标记的切分
使用短文本字符串切分
利用文本句法切分
8.3 分类
第9章 系统实现
9.1 文本压缩
选择压缩模型
选择编码器
哈夫曼编码的限制
长度限制的编码
9.2 文本压缩效果
压缩有效性
解压速度
解压内存
动态文档集合
9.3 图像和文本图像
压缩二值图像
压缩灰度图像
压缩文本图像
9.4 构造索引
9.5 索引压缩
9.6 查询处理
布尔查询
排名查询
附录A mg系统指南
A.1 安装MG系统
A.2 一个简单的存储和检索例子
A.3 数据库创建
A.4 对一个索引文档集合进行查询
A.5 非文本文件
A.6 图像压缩程序
附录B 新西兰图书馆
B.1 什么是NZDL
计算机科学报告（Computer Science Technical Reports）
其他文档集合
文档集合的发展
音频集合（audio collections）
音调索引（Melody Index）
B.2 NZDL是如何工作的
原始文档
搜索和索引
B.3 影响
参考文献