●前言
第1章 緒論
1.1 國內外研究概述
1.2 本書的主要工作
1.2.1 研究思路
1.2.2 主要工作
1.3 本書的組織結構
第2章 信息檢索模型
2.1 信息檢索
2.1.1 信息檢索的定義
2.1.2 信息檢索模型
2.2 經典信息檢索模型
2.2.1 布爾模型
2.2.2 向量空間模型
2.2.3 概率模型
2.2.4 經典模型的簡單比較
2.3 經典信息檢索模型的改進
2.3.1 擴展布爾模型
2.3.2 廣義向量空間模型
2.4 結構化文檔檢索模型
2.4.1 結構化文檔檢索的概念
2.4.2 結構化文檔檢索模型
2.5 語義檢索
2.6 本章小結
第3章 檢索評價與測試參考集
3.1 檢索評價
3.1.1 查全率與查準率
3.1.2 其他測度方法
3.2 測試參考文獻集
3.2.1 TREC測試參考
3.2.2 CACM與ISI測試集
3.2.3 中文Web測試集CWT
3.3 一個小型中文信息檢索測試集的構建與分析
3.3.1 文檔集的構建
3.3.2 查詢集的構建
3.3.3 相關判斷集的構建
3.3.4 測試集的分析
3.4 本章小結
第4章 基於貝葉斯網絡的信息檢索模型
4.1 貝葉斯概率與貝葉斯網絡
4.1.1 貝葉斯概率
4.1.2 貝葉斯網絡理論
4.2 基於貝葉斯網絡的信息檢索模型
4.2.1 推理網絡模型
4.2.2 信念網絡模型
4.2.3 貝葉斯網絡檢索模型
4.2.4 減少術語之間關繫提高BNR模型的效率
4.2.5 基於貝葉斯網絡的結構化文檔檢索模型
4.3 本章小結
第5章 詞語之間關繫及其量化方法
5.1 詞語相關性及其計算
5.1.1 基於共現的詞語相關度
5.1.2 基於本體的術語關繫及其量化方法
5.2 詞語相似性及其度量
5.2.1 信息檢索用同義詞的定義
5.2.2 同義詞詞典
5.2.3 詞語相似度
5.3 一種基於共現分析法改進的PF-IBF方法
5.3.1 PF-IBF方法
5.3.2 利用共現分析法對PF-IBF方法的改進
5.3.3 實驗及評測
5.4 本章小結
第6章 基於術語關繫的信念網絡模型擴展
6.1 基於查詢術語同義關繫的信念網絡模型擴展
6.1.1 基本概念
6.1.2 模型拓撲結構
6.1.3 文檔檢索
6.2 基於索引術語共現關繫的信念網絡模型擴展
6.2.1 索引術語之間共現關繫的挖掘
6.2.2 模型拓撲結構
6.2.3 文檔檢索
6.3 其他基於索引術語關繫的信念網絡模型擴展
6.3.1 基於索引術語同義關繫的信念網絡模型擴展
6.3.2 融合術語同義和相關關繫擴展信念網絡模型
6.4 實驗與分析
6.4.1 實驗數據
6.4.2 基於查詢術語同義關繫的擴展模型性能
6.4.3 基於索引術語共現關繫的擴展模型性能
6.5 本章小結
第7章 組合不同證據的擴展信念網絡模型
7.1 相關研究
7.1.1 敘詞表
7.1.2 組合過去查詢證據的擴展信念網絡模型
7.2 組合同義詞證據的擴展信念網絡模型
7.2.1 模型拓撲結構
7.2.2 證據的獲得
7.2.3 文檔檢索
7.2.4 實驗與分析
7.3 組合科技文獻間引用關繫的信念網絡模型擴展
7.3.1 科技文獻之間引用關繫的分析及其量化
7.3.2 組合文檔關注度和價值度證據的信念網絡檢索模型
7.3.3 實驗與分析
7.4 本章小結
第8章 基於術語相似關繫的簡單貝葉斯網絡模型擴展
8.1 基本SBN模型
8.1.1 拓撲結構
8.1.2 概率分布
8.1.3 推理與檢索
8.2 基於術語間同義關繫擴展的SBN模型
8.2.1 SSBN模型的拓撲結構
8.2.2 挖掘術語間關繫
8.2.3 SSBN模型的概率估計
8.2.4 推理與檢索
8.2.5 利用術語相似度改進擴展的貝葉斯網絡檢索模型
8.2.6 模型性能評估
8.3 基於文檔間關繫擴展的SBN模型
8.3.1 DSBN模型的拓撲結構
8.3.2 DSBN模型的概率估計
8.3.3 推理與檢索
8.4 本章小結
第9章 利用術語關繫擴展基於貝葉斯網絡的結構化文檔檢索模型
9.1 相關知識
9.1.1 結構化文檔與結構化文檔檢索
9.1.2 影響圖
9.1.3 XML文檔
9.2 一個基於貝葉斯網絡的XML文檔查詢模型
9.2.1 XML文檔處理
9.2.2 XML文檔查詢過程
9.2.3 基於貝葉斯網絡的XML文檔查詢模型
9.3 基於術語共現關繫擴展的SID模型
9.3.1 擴展SID模型的拓撲結構
9.3.2 術語間關繫的學習
9.3.3 擴展模型的概率估計
9.3.4 推理與檢索
9.4 基於術語關繫擴展的BN-SD模型簡介
9.5 本章小結
第10章 詞語關繫在信息檢索其他方面的應用
10.1 利用詞語之間關繫改進文本特征提取方法
10.1.1 文本特征提取的概念和常見方法
10.1.2 利用詞語關繫對TF-IDF方法改進
10.2 基於同義詞關繫改進的局部共現查詢擴展
10.2.1 基於局部共現和同義詞關繫的查詢擴展方法
10.2.2 利用同義詞改進的局部共現查詢擴展方法
10.2.3 實驗與比較
10.3 基於術語同義關繫的文檔相似度計算
10.3.1 常用的文檔相似度計算方法及其不足
10.3.2 基於術語同義關繫的文檔相似度計算
10.3.3 實驗及評價
10.4 本章小結
第11章 基於信念網絡的話題識別與追蹤模型
11.1 話題識別與追蹤的基礎知識
11.1.1 基本概念與主要任務
11.1.2 實現方法
11.2 基於信念網絡的靜態話題模型
11.2.1 靜態話題模型理論
11.2.2 基於信念網絡的靜態話題模型Ⅰ
11.2.3 基於信念網絡的靜態話題模型Ⅱ
11.3 基於信念網絡的動態話題模型
11.3.1 動態話題模型理論
11.3.2 基於信念網絡的動態話題模型Ⅰ
11.3.3 基於信念網絡的動態話題模型Ⅱ
11.4 本章小結
總結與展望
參考文獻

針對貝葉斯網絡信息檢索模型沒有考慮術語之間關繫的不足，《基於術語關繫的貝葉斯網絡檢索模型擴展》首先研究詞語間關繫問題，提出了改進的共現分析方法和PF-IBF方法；重點研究了利用術語間關繫對信念網絡模型、簡單貝葉斯網絡模型、基於影響圖的結構化文檔檢索模型的擴展問題，給出了擴展模型的拓撲結構和信息檢索過程，實驗驗證了擴展模型的性能；同時，介紹了詞語關繫在特征詞提取、查詢擴展和文檔相似度等方面的應用研究，以及基於信念網絡的話題識別和追蹤建模。