三种题型：填空所有章节37，名词解释4答题（不能写的太少，简答题3
绪论不考
1 信息检索
一二填空
信息检索是什么，用的场景
二 信息检索本质
填空从ppt上寻找，有出处
解决问题：信息过载
处理：非结构化大量数据
搜索技术：从大规模非结构化数据(通常是文本)的集合(通常保存在计算机上)中找出满足用户信息需求的资料(通常是文档)的过程
访问速度有要求时，空间换时间
知道用到的场景
推荐差异不用管
知道**主要挑战：查询-文档 语义鸿沟（**用户输入的"查询（Query）"与数据库中的"文档（Document/Content）"在表达方式和语义空间上的不匹配。）
qd本质在计算相关度，了解相关度
信息检索集合的基本假设：一组文档。假设该集合为静态集合。目标：检索与用户信息需求相关且有助于用户完成任务的文档。
确定文档和查询之间的相关度是IR的核心问题
三四部分不考
2 词项词典
有可能有大题，如果没有大题那么就是填空
AB卷不同
七不考
建立词项词典的步骤，不同步骤有什么不同点，什么是停用词如何找-停用词表
3 中文分词
三不考
二可能有大题 隐马尔可夫模型
2.1不考
隐马尔可夫表述三元组五要素，解决的问题，输入什么，输出什么，有什么问题
2.4具体算法不考，不需要用公式描述，知道中文分词的过程表达清楚
一填空 中文分词，定义，评测标准不记，评测方法123，1不记
4 布尔模型与倒排索引
布尔模型大题
4.1了解即可，4.2不考，其他都需要掌握，重要
信息检索模型，四元组R是本质，是相关度表达，数据是实数，是排序的依据，用不同理论计算相关度，不同模型理论依据不同，集合论模型，代数模型，概率模型，深度学习模型（本质是代数模型
D是一个文档集合
Q是一个查询集合，用户任务的表达，由查询需求的逻辑视图来表示
R(qi,dj) 是一个排序函数，它给查询qi和文档 dj 之间的相关度赋予一个排序值
F是一个框架,用以构建文档,查询以及它们之间关系的模型 检索系统的理论框架，包括预处理、中间处理（分类、聚类、索引）
不用记时间线
理论：集合论（词包模型，布尔代数、
这里的公式不记
知道关联矩阵
倒排表 IVF重要 结构组成
4.3位置信息，二元索引，位置放到索引架构：这两种情况下的优缺点
布尔模型的特点
5 向量空间模型 重要
布尔模型的特点 需要记忆
if idf公式要求掌握-最终公式（不是中间
五价值不考，其中的模块名字Gensim要知道
向量空间模型定义，优缺点掌握
6 概率检索模型
概率模型的推导过程不用掌握
tfidf公式表不用记
记忆BM25公式
一不考
二三要知道这个模型是什么，有什么假设,如何使用，BM25公式，BM25模型中表现最好，这个模型比较重要，推导不要求掌握，要知道效果为什么好
7 搜索引擎工具 不考
8 检索排序
有大题
排序实现精确非精确topk都要知道
连接分析中的pagerank和其他排序算法都要掌握
知道k-gram ：进行拼写矫正
在排序算法中pagerank和hits更重要些，山顶和专家评分不是很重要
以词项单位的处理算法和词项算法，这里算法可以去掉，考试不考算法
pagerank掌握一般公式，带着平滑项的公式（矩阵表达和一般表达都行，带平滑项的二选一
9 信息检索的评价 重要
有大题，四不考，大题在二三
以及检索中的评价公式，没有公式要知道评价怎么做！，p@k不考，MRR不考，这一章不出现的公式不考
10 主题模型
这一章没有大题
一不考
二三四不考参数估计（EM算法不考怎么做
LSA知道单词全称，用矩阵分解直接做，效果不好，实际工程中不做，知道优缺点
知道plsa概念，用概率的思想实现lsa的目标，并不是用矩阵分解做的，plsa主题模型
知道主题模型生成模型指责张图片，彩图，后一张概率图表示不用知道
模型训练em算法输入的p，输出的两个矩阵
后面em算法怎么做不用
plsa应用知道，怎么用，
LDA名字，全程，加了先验，用了贝叶斯，估计耿马分，用到变分EM算法gibbs采样
python用到gensim要记住
11 语言模型
有大题
与词包模型的比较，要知道词包模型和优缺点
语言模型的定义
统计语言模型的公式
分词后是否有顺序，无顺序词包，语言模型
（这里的不用记
语言模型定义：一个词的
句子出现的概率等于后面的概率，这里的公式最下面的公式要记忆
3概念 n-gram概念 零概率问题，参数太多问题，加入n-1阶段马尔可夫约束
（语言模型的定义自己整理，n-gram模型重要定义）
4神经网络语言模型优点：改善泛化能力不够，相似度，零概率，
剩下的训练过程与图解不要求
5知道 方案，稠密信息检索过程，方案QD是什么，具体训练过程不考，连续词包模型不考，后面训练不要
直到检索流程与优缺点，后面挑战之类不用
12 索引树
没说没有大题就是有大题，这个没有大题4
一最近邻不考
精确数 kd，球数，知道概念，区别（，不用知道具体算法
原理，应用场景，局限性，球优点，区别（维度？
近似树 annoy树，随机投影树，知道投影变换，思想:通过集成学习投票保持准确度,有随机性，集成学习这两个特点
对比图不用记忆具体数值
13 局部敏感哈希
大题
知道LLSH的概念，整理
simhash重要，知道过程
瓦片shingle 集合相似度表示文本相似度
minhash 构造多次哈希只取得最小值，减少计算量
取得前k个
第三部分的例子图示了解可以
第四部分重要
5不要
14 最近邻检索
有大题
pq，ivf倒排和聚类没有大题，hnsw
4不考
PQ前期知识不考，VLAD不考
从PQ乘积量化，基本的原理和步骤，对向量进行压缩：1.向量分割，子空间聚类。。步骤掌握
进行查询，简答题要加上查询过程！！
IVF与PQ,后面的合作，合作后的特点，谁精细
知道HNSw层次可导航小世界，跳表快速导航，图构造不考，具体的查询过程不考，需要知道优缺点和其他方法的组合
15 两阶段信息检索
1不要 learntorank，pls不考
两阶段注意事项
recallk公式不要，知道名字
提到的模型，不讲的lambdamt等没讲的不会填空colbert，ance
出现的稀疏向量检索，神经稀疏检索DeepCT，知道思想，输入什么输出什么，怎么做，效果好
MRR10不考，Deepct优缺点
前沿不考
稠密检索，概念DRT搜索模型，MIPS即近似annoy可以砍掉
16 神经网络信息检索
没有大题
两阶段召回+精排 神经一般在第二部分
知道神经网络重排架构的名字，四个中文名字，基于表征的，基于交互的，全交互的，迟交互
知道表征学习的操作，与交互的不同点，所有的表征哦都是双塔模型
2.1，2.2，2.3不考
知道2.4bert和2.5
百度的和simnet都不要
第三部分
知道基本概念，3.1不要，模型名字都不要，知道3.2即可