描述
开 本: 128开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787115631008丛书名: 智源人工智能丛书
孙凝晖院士作序，张亚勤、翟成祥、李航联合推荐！
学术大牛带你了解信息检索核心技术、大模型前沿应用挑战
作者团队既有文章又有产业应用，代表技术成果：Top-K 排序学习、短文本话题建模、深度文本匹配、预训练检索模型以及生成式检索等
信息检索是我们理解这个世界的重要手段之一，随着技术的进步，我们的检索行为也在不断变化。伴随着人工智能时代的到来，大数据的涌现以及万物互联的场景对信息的获取、理解和运用提出了新的需求，特别是大模型的出现，有望重塑信息检索的架构与技术体系。本书以信息检索系统架构为抓手，围绕检索系统的各个技术模块展开对神经检索前沿技术的介绍。一方面，帮助读者快速了解传统技术的发展现状；另一方面，深入介绍深度学习技术给该研究问题所带来的主要变革和前沿成果。由此，读者可以通过本书较为全面地了解信息检索领域过去与当前发展的面貌。
第 1章 引言 1
1.1 信息检索技术的发展历史 2
1.2 信息检索的代表性任务 4
1.2.1 ad-hoc 检索 5
1.2.2 问答 6
1.2.3 社区问答 7
1.2.4 自动对话 8
1.3 信息检索的评价方法 9
1.4 深度学习与信息检索的结合 12
第 2章 深度文本索引 17
2.1 基础知识 19
2.1.1 基于符号的文档表示方法 20
2.1.2 面向符号表示的文档索引方法 25
2.2 深度文本索引方法 32
2.2.1 基于稠密向量的文档表示 33
2.2.2 稠密向量索引 36
2.3 小结 57
第3章 深度文本检索 59
3.1 基础知识 61
3.1.1 问题形式化 61
3.1.2 经典词项检索模型 62
3.1.3 早期语义检索方法 66
3.2 深度检索模型 70
3.2.1 基于稀疏向量表示的检索模型 71
3.2.2 基于稠密向量表示的检索模型 75
3.2.3 稀疏?C 稠密向量混合检索方法 90
3.3 小结 94
第4章 深度文本匹配 96
4.1 基础知识 98
4.1.1 问题形式化 98
4.1.2 学习目标 99
4.2 深度匹配模型 104
4.2.1 对称与非对称架构 104
4.2.2 注重表示与注重交互的架构 108
4.2.3 单粒度与多粒度的架构 112
4.3 小结 115
第5章 深度关系排序 116
5.1 基础知识 117
5.1.1 问题定义和评价指标 117
5.1.2 传统关系排序方法 120
5.2 深度关系排序模型 133
5.2.1 基于贪婪选择的深度关系排序模型 133
5.2.2 基于全局决策的深度关系排序模型 142
5.3 小结 158
第6章 深度查询理解 160
6.1 传统的查询理解方法 161
6.2 基于深度学习的查询改进 163
6.2.1 基于深度学习的查询修正 164
6.2.2 基于深度学习的查询扩展 167
6.3 基于深度学习的查询推荐 170
6.4 基于深度学习的查询意图识别 173
6.4.1 基于深度学习的查询分类 173
6.4.2 基于深度学习的查询聚类 175
6.5 小结 177
第7章 交互式信息检索 178
7.1 基础知识 179
7.1.1 交互的概念 179
7.1.2 合作博弈框架 181
7.2 深度交互式信息检索模型 193
7.2.1 代理搜索模型 194
7.2.2 会话搜索模型 200
7.2.3 对话搜索模型 203
7.3 小结 207
第8章 基于预训练的信息检索 209
8.1 基础预训练模型 211
8.1.1 面向判别式任务的预训练模型 211
8.1.2 面向生成式任务的预训练模型 215
8.2 面向检索的预训练模型 217
8.2.1 预训练表示模型 218
8.2.2 预训练交互模型 222
8.3 小结 226
参考文献（图灵社区下载）
大规模互联网、海量数字化和生成式人工智能的快速发展给信息检索领域带来巨大变革和机遇。信息检索也正经历着从数据到信息，从信息到知识，从知识到智能的飞跃。这本书回顾、总结和展望信息检索技术的核心架构、前沿算法和未来趋势，我大力推荐。
张亚勤，清华大学讲席教授兼智能产业研究院（AIR）院长，中国工程院院士
名师佳作！作者以其在信息检索领域的高深造诣和国际先进的科研成果，将人工智能新时代的基于深度学习的神经信息检索科研现状清晰地展现在读者面前。本书既有历史背景，又有全面深入的技术阐述，更有富
评论
还没有评论。