智能检索是适应大数据和人工智能迅速发展的信息检索新方式。本书分为两个部分。第一部分以工程应用为目标，介绍了文本的本地检索和网络检索，基于全局特征、局部特征的图像检索，以及定制图像检索新特征和图像检索相关反馈;第二部分以技术研究为目标，介绍了利用深度学习特征提高检索精度，利用哈希特征提高检索速度，以及跨模态的深度哈希图文检索技术。全书从指导实践出发，附有所有实战源代码，为读者提供了联系实际、直接可用的检索系统和检索技术。

本书是信息检索及相关课程的教学参考书，适用于高等院校信息检索专业的大学生和研究生，也可供从事信息检索相关专业的研发人员参考。

本书分为两个部分。第一部分以Java语言和Web应用为主体，实现文本和图像的搜索引擎，详细论述构建文本、图像搜索系统的实践过程;第二部分以MATLAB语言和深度学习技术为主，实现图像的深度特征、哈希特征检索，以及跨模态的图文检索技术，详细论述以研究为目标，设计和实现算法的各个步骤。

第1～3章以文本搜索为目标，主要介绍基于Lucene的本地检索和基于Solr的网络检索。第4～7章以图像搜索为目标，主要介绍基于Lire的全局特征检索、局部特征检索，以及定制图像检索新特征和图像检索相关反馈。第8、9章以提高检索精度为目标，介绍利用预训练卷积特征和迁移学习卷积特征来完成图像检索的实践过程。第10、11章以提高检索速度为目标，介绍经典的局部敏感哈希技术和最新的深度哈希技术的实践过程。第12章以跨模态检索为目标，介绍跨模态的深度哈希图文检索实践过程。

本书是集体智慧的结晶，由王家宝、李阳、苗壮负责撰稿。另外，感谢李航、徐玉龙、张耿宁等同学为本书的撰写工作付出的辛勤工作，这些同学参与了本书的部分实验和素材整理工作，在此深表感谢。全书突出实践性，希望为读者提供联系实际、直接可用的检索系统或检索技术。全书内容经过多次讨论和修改才定稿，尽管每项内容都经过了细心检查，但难免存在缺点和遗漏，希望广大读者批评指正。

随书提供了所有实战源代码，读者可结合本书学习，应用、研究、开发面向特定需求的智能检索系统和技术。本书对于从事图文搜索研究与开发的技术人员有一定的指导和借鉴意义。

作者

2018年1月

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

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

内容实用  《智能检索实战》提供了如何利用检索工具搭建自己的检索系统，选择了文本和图像最为常用的数据，实践对数据的检索。

技术新颖  《智能检索实战》涵盖了人工智能领域最新的深度学习技术，介绍了如何利用深度学习提高检索精度和速度，并探索了基于深度学习的跨模态图文检索。

案例详细  本书提供了基于文本和图像的实战案例，描述详细、分析深入，提供了完整的案例源码，方便学习和使用。

内容实用  《智能检索实战》提供了如何利用检索工具搭建自己的检索系统，选择了文本和图像最为常用的数据，实践对数据的检索。

技术新颖  《智能检索实战》涵盖了人工智能领域最新的深度学习技术，介绍了如何利用深度学习提高检索精度和速度，并探索了基于深度学习的跨模态图文检索。

案例详细  本书提供了基于文本和图像的实战案例，描述详细、分析深入，提供了完整的案例源码，方便学习和使用。