管理海量數據－壓縮索引和查詢(第2版經典再現全新修訂版) (Managing Gigabytes: Compressing and Indexing Documents and Images, 2/e) 管理海量数据:压缩、索引和查询

<內容簡介>

《管理海量數據（壓縮索引和查詢第2版經典再現全新修訂版）》是斯坦福大學信息檢索和挖掘課程的首選教材之一，並已成為全球主要大學信息檢索的主要教材。本書理論和實踐並重，深入淺出地給出了海量信息數據處理的整套解決方案，包括壓縮、索引和查詢的方方面面。其最大的特色在於不僅僅滿足信息檢索理論學習的需要，更重要的是給出了實踐中可能面對的各種問題及其解決方法。
    本書作為斯坦福大學信息檢索課程的教材之一，具有一定的閱讀難度，主要面向信息檢索專業高年級本科生和研究生、搜索引擎業界的專業技術人員和從事海量數據處理相關專業的技術人員。

<目錄>

第1章  概覽  1
  1.1  文檔數據庫（document databases）  7
  1.2  壓縮（compression）  10
  1.3  索引（indexes）  12
  1.4  文檔索引  16
  1.5  MG海量文檔管理系統  20
第2章  文本壓縮  23
  2.1  模型  26
  2.2  自適應模型  29
  2.3  哈夫曼編碼  32
  範式哈夫曼編碼  38
  計算哈夫曼編碼長度  44
  總結  52
  2.4  算術編碼  52
  算術編碼是如何工作的  53
  實現算術編碼  57
  保存累積計數  60
  2.5  符號模型  61
  部分匹配預測  62
  塊排序壓縮  65
  動態馬爾科夫壓縮  69
  基於單字的壓縮  72
  2.6  字典模型  73
  自適應字典編碼器的LZ77系列  75
  LZ77的Gzip變體  78
  自適應字典編碼器的LZ78系列  80
  LZ78的LZW變體  82
  2.7  同步  84
  創造同步點  85
  自同步編碼  87
  2.8  性能比較  90
  壓縮性能  92
  壓縮速度  95
  其他性能方面的考慮  98
第3章  索引  99
  3.1  樣本文檔集合  103
  3.2  倒排文件索引  107
  3.3  壓縮倒排文件  112
  無參模型（Nonparameterized models）  114
  全局貝努里模型  117
  全局觀測頻率模型（Global observed frequency model）  120
  局部貝努里模型（Local Bernoulli model）  121
  有偏貝努里模型（Skewed Bernoulli model）  122
  局部雙曲模型（Local hyperbolic model）  124
  局部觀測頻率模型（Local observed frequency model）  125
  上下文相關壓縮（Context-sensitive compression）  127
  3.4  索引壓縮方法的效果  129
  3.5  簽名文件和位圖  131
  簽名文件  132
  位片簽名文件（Bitsliced signature files）  136
  簽名文件分析  141
  位圖  144
  簽名文件和位圖的壓縮  145
  3.6  索引方法的比較  148
  3.7  大小寫摺疊、詞根化和停用詞  150
  大小寫摺疊  151
  詞根化  151
  影響索引長度的因素  152
  停用詞（stop word）  153
第4章  查詢  157
  4.1  訪問字典的方法  161
  訪問數據結構  162
  前端編碼（Front coding）  165
  最小完美哈希函數  168
  完美哈希函數的設計  171
  基於磁盤的字典存儲  176
  4.2  部分指定的查詢術語  177
  字符串暴力匹配（Brute-force string matching）  177
  用n-gram索引  178
  循環字典（Rotated lexicon）  180
  4.3  布爾查詢（BOOLEAN QUERY ）  182
  合取查詢（conjunctive query）  182
  術語處理順序  183
  隨機訪問和快速查找  185
  分塊倒排索引  187
  非合取查詢（Nonconjunctive Query）  190
  4.4  信息檢索和排名  191
  坐標匹配（Coordinate matching）  191
  內積相似度  192
  向量空間模型  197
  4.5  檢索效果評價  200
  召回率和精確率  200
  召回率——精確率曲線  203
  TREC項目  204
  萬維網搜索（World Wide Web Searching）  208
  其他有效性評價方法  211
  4.6  餘弦法實現  212
  文檔內頻率  212
  餘弦值的計算方法  216
  文檔權重所需的內存  217
  累加器內存  222
  快速查詢處理  224
  按頻率排序的索引  225
  排序  228
  4.7  交互式檢索  232
  相關性反饋  232
  概率模型  235
  4.8  分佈式檢索  237
第5章  索引構造  243
  計算模型  246
  索引構造方法概覽  247
  5.1  基於內存的倒排  248
  5.2  基於排序的倒排  251
  5.3  索引壓縮  255
  壓縮臨時文件  256
  多路歸併  259
  原地多路歸併  260
  5.4  壓縮的內存內倒排  266
  大內存倒排  266
  基於字典的切分（Lexicon-based partitioning）  271
  基於文本的切分  273
  5.5  倒排方法的比較  276
  5.6  構造簽名文件和位圖  277
  5.7  動態文檔集合  279
  擴展文本（Expanding the text）  279
  索引擴展（Expanding the index）  280
第6章  圖像壓縮  287
  6.1  圖像類型  288
  6.2  CCITT二值圖像的傳真標準  292
  6.3  二值圖像的上下文壓縮  296
  上下文模型  299
  二值上下文模型  302
  「超視力」壓縮（Clairvoyant compression）  304
  6.4  JBIG：二值圖像標準  305
  分辨率降低（Resolution reduction）  306
  模板和自適應模板  311
  編碼及概率估計  312
  6.5  連續色調圖像的無損壓縮  313
  GIF和PNG無損圖像格式  314
  FELICS：快速、有效且無損圖像壓縮系統  316
  CALIC：基於上下文自適應無損圖像解碼器  320
  JPEG-LS：無損圖像壓縮新標準  321
  6.6  JPEG：連續色調圖像標準  323
  6.7  圖像的遞增傳輸  328
  金字塔編碼  329
  金字塔編碼的壓縮  330
  中位數聚合  332
  誤差模型  333
  6.8  圖像壓縮技術總結  334
第7章  文本圖像  337
  7.1  文本圖像壓縮概念  339
  7.2  有損壓縮和無損壓縮  343
  7.3  標記抽取  345
  跟蹤標記的邊界  345
  清除圖像中的標記  348
  按自然閱讀順序排序標記  350
  7.4  模板匹配  351
  全局模板匹配  352
  局部模板匹配  354
  基於壓縮的模板匹配  355
  庫模板篩法  358
  評價模板匹配方法  359
  7.5  從標記到符號  363
  庫構造  363
  符號及其偏移量  365
  7.6  編碼文本圖像分量  366
  庫  366
  符號數  367
  符號偏移  367
  原始圖像  368
  7.7  效果：有損和無損的模式  370
  7.8  系統考慮  376
  7.9  JBIG2：圖像文本壓縮標準  377
第8章  混合圖文  381
  8.1  方向  383
  用Hough變換檢測直線  384
  左側留白查找  386
  投影輪廓  387
  從斜率直方圖到文本譜  392
  8.2  切分  396
  自下向上的切分方法  396
  自上向下的組合的切分方法  398
  基於標記的切分  399
  使用短文本字符串切分  401
  利用文本句法切分  404
  8.3  分類  405
第9章  系統實現  409
  9.1  文本壓縮  410
  選擇壓縮模型  411
  選擇編碼器  414
  哈夫曼編碼的限制  416
  長度限制的編碼  422
  9.2  文本壓縮效果  427
  壓縮有效性  427
  解壓速度  431
  解壓內存  431
  動態文檔集合  434
  9.3  圖像和文本圖像  436
  壓縮二值圖像  438
  壓縮灰度圖像  439
  壓縮文本圖像  439
  9.4  構造索引  441
  9.5  索引壓縮  443
  9.6  查詢處理  445
  布爾查詢  445
  排名查詢  448
附錄A  mg系統指南  451
  A.1  安裝MG系統  451
  A.2  一個簡單的存儲和檢索例子  453
  A.3  數據庫創建  458
  A.4  對一個索引文檔集合進行查詢  462
  A.5  非文本文件  464
  A.6  圖像壓縮程序  466
附錄B  新西蘭圖書館  467
  B.1  什麼是NZDL  467
  電腦科學報告（Computer Science Technical Reports）  467
  其他文檔集合  470
  文檔集合的發展  476
  音頻集合（audio collections）  476
  音調索引（Melody Index）  477
  B.2  NZDL是如何工作的  479
  原始文檔  479
  搜索和索引  480
  B.3  影響  482
  參考文獻  483