本书是信息检索的教材，旨在从计算机科学的视角提供一种现代的信息检索方法。书中从基本概念讲解网络搜索以及文本分类和文本聚类等，对收集、索引和搜索文档系统的设计和实现的方方面面、评估系统的方法、机器学习方法在文本收集中的应用等给出了*新的讲解。 [美]克里斯托夫·曼宁 （Christopher Manning） 计算机科学家，斯坦福大学教授，斯坦福大学人工智能实验室主任，ACM会士、AAAI会士、ACL会士。目前的研究目标为计算机如何智能地处理、理解和生成人类语言资料。曼宁博士是深度学习在自然语言处理应用方面的先锋人物，在树递归神经网络、语义分析、神经机器翻译、深度语言理解等方面均有令业界瞩目的研究成果。[美]普拉巴卡尔·拉格万（Prabhakar Raghavan）Google高级副总裁，目前负责谷歌的广告与商业产品、基础设施团队。之前作为Google App和Google Cloud的副总裁，带领团队做出了突出业绩。在加入Google前任职于Yahoo!，是Yahoo!实验室的创建者和负责人。拉格万博士毕业于加州大学伯克利分校，长期担任斯坦福大学计算机科学系顾问教授，主要研究方向是文本及Web数据挖掘、随机算法等，是美国国家工程院院士、ACM会士、IEEE会士。[德]欣里希·舒策（Hinrich Schütze） 德国慕尼黑大学信息与语言处理中心主任，计算语言学家，斯坦福大学博士。曾在美国硅谷工作多年。王斌 博士，小米公司AI实验室NLP方向首席科学家，前中国科学院信息工程研究所研究员、博导，中国科学院大学教授。李鹏 博士，中国科学院信息工程研究所高级工程师，硕士生导师。 第 1章 布尔检索 ． 1 1．1 一个信息检索的例子 21．2 构建倒排索引的初体验 ． 51．3 布尔查询的处理 81．4 对基本布尔操作的扩展及有序检索 111．5 参考文献及补充读物 ． 13第 2章 词项词典及倒排记录表 142．1 文档分析及编码转换 ． 142．1．1 字符序列的生成 ． 142．1．2 文档单位的选择 ． 162．2 词项集合的确定 162．2．1 词条化 162．2．2 去除停用词 192．2．3 词项归一化 ． 202．2．4 词干还原和词形归并 ． 232．3 基于跳表的倒排记录表快速合并算法 262．4 含位置信息的倒排记录表及短语查询 282．4．1 二元词索引 ． 282．4．2 位置信息索引 ． 292．4．3 混合索引机制 ． 312．5 参考文献及补充读物 ． 32第 3章 词典及容错式检索 ． 343．1 词典搜索的数据结构 343．2 通配符查询 ． 363．2．1 一般的通配符查询 ． 373．2．2 支持通配符查询的k-gram索引 ． 383．3 拼写校正 393．3．1 拼写校正的实现 ． 393．3．2 拼写校正的方法 403．3．3 编辑距离 403．3．4 拼写校正中的 k-gram索引 423．3．5 上下文敏感的拼写校正 ． 433．4 基于发音的校正技术 443．5 参考文献及补充读物 ． 45第 4章 索引构建 ． 464．1 硬件基础 464．2 基于块的排序索引方法 ． 474．3 内存式单遍扫描索引构建方法 ． 504．4 分布式索引构建方法 ． 514．5 动态索引构建方法 ． 544．6 其他索引类型 564．7 参考文献及补充读物 ． 57第 5章 索引压缩 ． 595．1 信息检索中词项的统计特性 ． 595．1．1 Heaps定律：词项数目的估计 615．1．2 Zipf定律：对词项的分布建模 ． 625．2 词典压缩 635．2．1 将词典看成单一字符串的 压缩方法 635．2．2 按块存储 645．3 倒排记录表的压缩 ． 665．3．1 可变字节码 ． 675．3．2 γ编码 685．4 参考文献及补充读物 74第 6章 文档评分、词项权重计算及 向量空间模型 766．1 参数化索引及域索引 766．1．1 域加权评分 786．1．2 权重学习 796．1．3 最优权重g 的计算 806．2 词项频率及权重计算 ． 816．2．1 逆文档频率 ． 816．2．2 tf-idf 权重计算 826．3 向量空间模型 836．3．1 内积 836．3．2 查询向量 866．3．3 向量相似度计算 ． 876．4 其他tf-idf 权重计算方法 ． 886．4．1 tf的亚线性尺度变换方法 ． 886．4．2 基于最大值的tf归一化 ． 886．4．3 文档权重和查询权重机制 896．4．4 文档长度的回转归一化 ． 896．5 参