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 信息检索技术的发展历史
1.2 信息检索的代表性任务
1.2.1 ad-hoc检索
1.2.2 问答
1.2.3 社区问答
1.2.4 自动对话
1.3 信息检索的评价方法
1.4 深度学习与信息检索的结合
第2章 深度文本索引
2.1 基础知识
2.1.1 基于符号的文档表示方法
2.1.2 面向符号表示的文档索引方法
2.2 深度文本索引方法
2.2.1 基于稠密向量的文档表示
2.2.2 稠密向量索引
2.3 小结
第3章 深度文本检索
3.1 基础知识
3.1.1 问题形式化
3.1.2 经典词项检索模型
3.1.3 早期语义检索方法
3.2 深度检索模型
3.2.1 基于稀疏向量表示的检索模型
3.2.2 基于稠密向量表示的检索模型
3.2.3 稀疏?C稠密向量混合检索方法
3.3 小结
第4章 深度文本匹配
4.1 基础知识
4.1.1 问题形式化
4.1.2 学习目标
4.2 深度匹配模型
4.2.1 对称与非对称架构
4.2.2 注重表示与注重交互的架构
4.2.3 单粒度与多粒度的架构
4.3 小结
第5章 深度关系排序
5.1 基础知识
5.1.1 问题定义和评价指标
5.1.2 传统关系排序方法
5.2 深度关系排序模型
5.2.1 基于贪婪选择的深度关系排序模型
5.2.2 基于全局决策的深度关系排序模型
5.3 小结
第6章 深度查询理解
6.1 传统的查询理解方法
6.2 基于深度学习的查询改进
6.2.1 基于深度学习的查询修正
6.2.2 基于深度学习的查询扩展
6.3 基于深度学习的查询推荐
6.4 基于深度学习的查询意图识别
6.4.1 基于深度学习的查询分类
6.4.2 基于深度学习的查询聚类
6.5 小结
第7章 交互式信息检索
7.1 基础知识
7.1.1 交互的概念
7.1.2 合作博弈框架
7.2 深度交互式信息检索模型
7.2.1 代理搜索模型
7.2.2 会话搜索模型
7.2.3 对话搜索模型
7.3 小结
第8章 基于预训练的信息检索
8.1 基础预训练模型
8.1.1 面向判别式任务的预训练模型
8.1.2 面向生成式任务的预训练模型
8.2 面向检索的预训练模型
8.2.1 预训练表示模型
8.2.2 预训练交互模型
8.3 小结
参考文献（图灵社区下载）