王鹏优化理论之 - 基本收录规则.docVIP

一下是基本的 收录规则 涉及到的东西太多，更多还是技术与理论的结合 数据库文档数据库（DOCUMENT DATABASES）压缩（COMPRESSION）索引（INDEXES）文档索引MG海量文档管理系统文本压缩模型自适应模型哈夫曼编码范式哈夫曼编码计算哈夫曼编码长度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变体同步创造同步点自同步编码性能比较压缩性能压缩速度其他性能方面的考虑索引样本文档集合倒排文件索引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）索引压缩方法的效果签名文件和位图签名文件签名文件和位图的压缩索引方法的比较大小写折叠、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）查询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）?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）信息检索和排名坐标匹配（Coordinate matching）内积相似度向量空间模型检索效果评价召回率和精确率召回率-精确率曲线TREC项目 208万维网搜索（World Wide Web Searching）其他有效性评价方法余弦法实现文档内频率交互式检索相关性反馈