学习周报202000410 | 再开两本书读起来

【学习周报】

总结自己的学习和遇到的好材料。

往期回顾：

• 学习周报20200223 | 两本书

• 学习周报20200301 | 两本书+论文荒

• 学习周报20200315 | 蜥蜴书我看完了

• 学习周报20200322 | 预训练模型、数据增强

• 学习周报20200329 | elastic search查询基础

上回把《机器学习实战》那本书读完了，那就继续开始看书吧哈哈哈，这次选择的两本书是有这深度学习圣经之称的《深度学习》和信息检索领域的《信息检索导论》。

前者看的比较认真，主要还是想巩固一下基础，而后者，本次阅读不打算理解的特别深，而是知道点背景知识，当然后续要提升会多看几遍。简单回顾一下：

深度学习

看了两章，前面的内容还是比较简单的。

• 引言。额，没什么好说的，就是简介吧。

• 线性代数。其实学起来不是特别难，就是线性代数里面的几个核心概念而已。有个比较奇怪的点，就是主成分分析感觉谈的有些杂，没太说在点子上，累计贡献率之类的都没说太清楚，建议大家找别的材料也多看看，补充一下。

信息检索导论

清明假期长，一口气整了8章，好刺激。

• 布尔检索。对基本的检索逻辑进行阐述，难度不大。

• 词项词典和倒排期记录表。倒排检索和词典可谓是搜索引擎的一大核心，怎么处理，权衡各种资源的分配非常重要。

• 词典及容错式检索。有关容错、纠错，从数据端到query层面都有谈到，虽然复杂的模型没有，但是基本操作都有，问题是很多内容都是从英文层面讲的，和中文有一定差异。

• 索引构建。如何快速找到需要的文档，来源于索引，合理建立索引，非常重要。

• 索引压缩。随着数据的增加，索引也会增加，为了不必要的存储，有必要做索引压缩工作。

• 文档、词项的计算。这种计算很多，不过其实不复杂，重点是讲清楚操作步骤，类似tf-idf之类的。

• 搜索系统评分计算。说白了其实就是query和doc之间的匹配度分析，当然里面还会涉及索引、检索、排序的细节问题。

• 搜索引擎评估。提了一些搜索引擎评估的标准方法，个人感觉有些用，但是现实场景似乎用的不是很多，可能和各个场景有关吧。

这本书看到现在，感觉上真的能被称为一本教材，细节和底层技术说得很清楚，自己收获也很大，不过应用性稍微欠缺一些，有了自己的实践结合这个会有一些自己的体会。