| 01 | 불리언 검색 (Boolean retrieval) | 역색인, 포스팅 교집합, 질의 최적화 | ch1 |
| 02 | 용어 어휘와 포스팅 리스트 | 구문 질의 "Stanford University"·근접 질의 Gates near Microsoft → 단어 위치까지 저장한 색인 필요 | ch2 |
| 03 | 사전과 오류 허용 검색 | k-gram 색인: bo → aboard, about, boardroom, border. 철자 틀려도 찾기 | ch3 |
| 04 | 색인 구성 | 큰 컬렉션은 여러 컴퓨터로 나눠 만듦 (parser → inverter, map·reduce) | ch4 |
| 05 | 색인 압축 | Zipf 법칙: log 빈도 vs log 순위가 직선 | ch5 |
| 06 | 점수, 가중치, 벡터 공간 모델 | 불리언은 포함/제외만 → 질의-문서 근접도로 순위. 등장 횟수를 점수로 바꾸는 함수 필요 | ch6 |
| 07 | 완전한 검색 시스템의 점수 계산 | 파서·색인·철자 교정·점수·순위 전체 구조 | ch7 |
| 08 | 평가, 동적 요약 | | 범위 밖 |
| 09 | 적합성 피드백, 질의 확장 | | 범위 밖 |
| 12 | 언어 모델 | unigram 모델: 단어 확률을 곱해서 문자열 확률 | 범위 밖 |
| 13 | 텍스트 분류, Naive Bayes | 문서를 정해진 클래스로 자동 분류 (언어, 성인물, 지역) | 범위 밖 |
| 14 | 벡터 분류 | | 범위 밖 |
| 15 | SVM | | 범위 밖 |
| 16 | 평면 클러스터링 | | 범위 밖 |
| 17 | 계층 클러스터링 | | 범위 밖 |
| 18 | 잠재 의미 색인 (LSI) | | 범위 밖 |
| 19 | 웹과 그 문제들 | 다양한 문서·사용자, 링크 분석·사용자 데이터 활용 | 범위 밖 |
| 21 | 링크 분석, PageRank | | 범위 밖 |
