智能检索实战

目录

第1章搜索引擎初探1

1.1Eclipse开发环境1

1.1.1Eclipse简介1

1.1.2JDK与JRE1

1.1.3JDK和Eclipse的安装2

1.1.4用Eclipse开发HelloWorld项目7

1.2Lucene环境配置11

1.2.1Lucene简介11

1.2.2Lucene的安装13

1.3Lucene索引与检索示例14

1.3.1索引和检索的概念14

1.3.2一个简单的搜索应用程序14

1.4小结17

参考文献17

第2章基于Lucene的本地检索18

2.1Lucene索引简介18

2.1.1Lucene索引18

2.1.2Lucene索引文件20

2.2Lucene的索引接口21

2.2.1Directory类21

2.2.2Analyzer类21

2.2.3Document类与Field类21

2.2.4IndexWriter类22

2.3Lucene的检索接口23

2.3.1IndexSearcher类23

2.3.2Term类23

2.3.3Query类24

2.3.4QueryParser类24

2.3.5Sort类和Hits类24

2.4中文分词24

2.5基于Lucene的本地检索实战27

2.5.1文本数据准备27

2.5.2Lucene本地索引27

2.5.3Lucene本地检索31

2.6索引可视化工具Luke32

2.7小结35

参考文献35

目录智能检索实战第3章基于Solr的网络检索36

3.1Solr简介36

3.2Solr配置和使用37

3.2.1Tomcat安装37

3.2.2安装并配置Solr至Tomcat38

3.2.3新建并配置core42

3.2.4配置和使用中文分词43

3.3基于Solr的网络检索实战47

3.3.1数据准备47

3.3.2Solr网络索引48

3.3.3Solr网络检索51

3.4小结52

参考文献53

第4章基于Lire全局特征的图像检索54

4.1Lire简介54

4.1.1Lire库导入54

4.1.2Lire库分析56

4.2Lire全局特征索引57

4.2.1Lire全局特征索引方法57

4.2.2Lire全局特征索引实现57

4.3Lire全局特征检索60

4.3.1Lire全局特征检索方法60

4.3.2Lire全局特征检索实现61

4.4Caltech256数据测试63

4.4.1测试数据和基本思路63

4.4.2测试实现63

4.5基于Lire全局特征的图像检索实战66

4.5.1主体框架构建66

4.5.2外部依赖包导入67

4.5.3搜索引擎界面实现69

4.5.4搜索引擎后台实现71

4.5.5搜索引擎配置和部署77

4.5.6搜索引擎操作和效果78

4.6小结79

参考文献80

第5章基于Lire局部特征的图像检索81

5.1词袋模型简介81

5.2Lire局部特征索引83

5.2.1Lire局部特征索引方法83

5.2.2Lire局部特征索引实现84

5.3Lire局部特征检索85

5.3.1Lire局部特征检索方法85

5.3.2Lire局部特征检索实现86

5.4Lire中SIFT特征的改进87

5.5Caltech256数据测试92

5.6基于Lire局部特征的图像检索实战93

5.6.1主体框架构建93

5.6.2搜索引擎界面实现94

5.6.3搜索引擎后台实现94

5.6.4搜索引擎配置和部署98

5.6.5搜索引擎操作和效果98

5.7小结99

参考文献99

第6章面向Lire定制图像检索新特征101

6.1Lire特征类的结构101

6.2Lire颜色布局特征102

6.3添加新的图像特征105

6.4矩特征的索引和检索110

6.5小结112

参考文献112

第7章面向Lire定制图像检索的相关反馈114

7.1基于SVM的相关反馈原理114

7.2相关反馈实战115

7.2.1主体框架构建115

7.2.2外部依赖包导入115

7.2.3搜索引擎界面实现116

7.2.4搜索引擎后台实现117

7.2.5搜索引擎配置和部署118

7.2.6搜索引擎操作和效果119

7.3关键代码解析120

7.3.1生成索引阶段120

7.3.2查找检索阶段121

7.3.3反馈检索阶段123

7.4小结127

参考文献127

第8章基于预训练卷积特征的图像检索128

8.1卷积神经网络技术128

8.1.1卷积129

8.1.2池化130

8.1.3ReLU130

8.1.4全连接130

8.2卷积神经网络模型简介131

8.2.1AlexNet网络模型131

8.2.2VGGNet网络模型132

8.2.3ResNet网络模型133

8.3基于预训练卷积特征的图像检索实战135

8.3.1环境配置135

8.3.2数据准备137

8.3.3预训练网络特征提取137

8.3.4预训练网络检索评测140

8.3.5预训练网络检索效果144

8.4小结146

参考文献146

第9章基于迁移学习卷积特征的图像检索147

9.1迁移学习技术147

9.2迁移学习方法简介148

9.2.1迁移学习的定义与分类148

9.2.2深度迁移学习148

9.2.3卷积神经网络的迁移149

9.2.4迁移学习抑制过拟合150

9.3基于迁移学习卷积特征的图像检索实战151

9.3.1迁移学习网络设计152

9.3.2数据准备152

9.3.3迁移学习网络构建155

9.3.4迁移学习网络训练157

9.3.5迁移学习网络检索评测159

9.3.6迁移学习网络检索效果159

9.4小结162

参考文献162

第10章基于局部敏感哈希的图像检索163

10.1局部敏感哈希技术163

10.1.1哈希简介163

10.1.2近似最近邻搜索问题164

10.2局部敏感哈希方法简介165

10.2.1LSH算法166

10.2.2E2LSH算法167

10.3基于局部敏感哈希的图像检索实战168

10.3.1局部敏感哈希软件包168

10.3.2局部敏感哈希函数功能介绍168

10.3.3局部敏感哈希测试数据集170

10.3.4局部敏感哈希索引建立170

10.3.5局部敏感哈希索引分析173

10.3.6局部敏感哈希检索效果178

10.4小结181

参考文献181

第11章基于深度哈希的图像检索182

11.1深度哈希技术182

11.2深度哈希方法简介183

11.3基于深度哈希的图像检索实战185

11.3.1深度哈希网络设计185

11.3.2深度哈希网络构建187

11.3.3深度哈希网络训练189

11.3.4深度哈希网络检索评测190

11.3.5深度哈希网络检索效果192

11.4小结193

参考文献193

第12章跨模态的深度哈希图文检索195

12.1跨模态检索技术195

12.2跨模态检索方法简介196

12.2.1基于典型相关性分析的跨模态检索196

12.2.2基于深度学习的跨模态检索197

12.3跨模态的深度哈希图文检索实战199

12.3.1跨模态哈希网络设计199

12.3.2数据准备200

12.3.3跨模态哈希网络构建201

12.3.4跨模态哈希网络训练205

12.3.5跨模态哈希网络特征提取207

12.3.6跨模态哈希网络检索评测209

12.4小结211

参考文献212

附录A信息检索评价指标213

A.1召回率与准确率213

A.2F1分数指标213

A.3mAP指标214

A.4CMC曲线215