摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第1章 绪论 | 第20-26页 |
1.1 研究背景 | 第20-23页 |
1.1.1 信息检索简介 | 第20-21页 |
1.1.2 基于上下文的信息检索 | 第21-23页 |
1.2 本文研究内容 | 第23-24页 |
1.3 本文组织结构 | 第24-26页 |
第2章 相关工作 | 第26-33页 |
2.1 上下文信息及其分类 | 第26-27页 |
2.2 基于上下文的信息检索模型及其不足 | 第27-31页 |
2.2.1 上下文主题感知检索模型 | 第27-28页 |
2.2.2 上下文时间感知检索模型 | 第28-29页 |
2.2.3 上下文位置感知检索模型 | 第29-30页 |
2.2.4 上下文对齐感知检索模型 | 第30-31页 |
2.3 神经网络模型 | 第31-33页 |
第3章 基于上下文片段主题的排序 | 第33-68页 |
3.1 引言 | 第33-36页 |
3.2 相关工作 | 第36-38页 |
3.2.1 查询表示 | 第36-37页 |
3.2.2 主题模型 | 第37-38页 |
3.3 基于上下文片段主题的排序方法 | 第38-50页 |
3.3.1 优质上下文片段识别 | 第40-43页 |
3.3.2 上下文感知主题建模 | 第43-46页 |
3.3.3 模型推断 | 第46-49页 |
3.3.4 基于主题的混合检索模型 | 第49-50页 |
3.4 实验设置 | 第50-56页 |
3.4.1 数据集和评价指标 | 第50-52页 |
3.4.2 基准模型 | 第52-53页 |
3.4.3 参数设置 | 第53页 |
3.4.4 实验结果 | 第53-56页 |
3.5 分析和讨论 | 第56-67页 |
3.5.1 主题数的影响 | 第56-57页 |
3.5.2 的影响 | 第57-59页 |
3.5.3 上下文相关性阈值的影响 | 第59-60页 |
3.5.4 上下文片段的有效性 | 第60-62页 |
3.5.5 上下文感知主题建模的有效性 | 第62-64页 |
3.5.6 与当前上下文感知模型对比 | 第64-66页 |
3.5.7 案例研究 | 第66-67页 |
3.6 本章小结 | 第67-68页 |
第4章 基于上下文细粒度时间的排序 | 第68-97页 |
4.1 引言 | 第68-70页 |
4.2 相关工作 | 第70-71页 |
4.3 初步分析 | 第71-77页 |
4.3.1 数据集 | 第72页 |
4.3.2 相关文档的时间分布 | 第72-75页 |
4.3.3 查询词的时间分布 | 第75-77页 |
4.4 基于上下文细粒度时间的排序框架 | 第77-82页 |
4.4.1 排序框架 | 第77-78页 |
4.4.2 词级别的时间预测器 | 第78-81页 |
4.4.3 基于排序框架的检索模型 | 第81-82页 |
4.5 实验设置 | 第82-84页 |
4.5.1 基准模型 | 第82-84页 |
4.5.2 评价指标和参数设置 | 第84页 |
4.6 实验结果及分析 | 第84-95页 |
4.6.1 与基准模型对比 | 第85-87页 |
4.6.2 各种时间预测器的影响 | 第87-88页 |
4.6.3 参数的影响 | 第88-90页 |
4.6.4 与当前模型对比 | 第90-92页 |
4.6.5 对微博检索竞赛结果的促进 | 第92-94页 |
4.6.6 案例研究 | 第94-95页 |
4.7 本章小结 | 第95-97页 |
第5章 基于上下文位置注意力的神经网络排序 | 第97-109页 |
5.1 引言 | 第97-99页 |
5.2 相关工作 | 第99-100页 |
5.3 基于上下文位置注意力的神经网络排序模型RNN-POA | 第100-103页 |
5.3.1 RNN-POA概览 | 第100-101页 |
5.3.2 位置感知的影响力传播 | 第101-102页 |
5.3.3 位置感知的影响力向量 | 第102页 |
5.3.4 上下文位置注意力机制 | 第102-103页 |
5.4 实验设置 | 第103-104页 |
5.4.1 数据集和评价指标 | 第103-104页 |
5.4.2 参数设置 | 第104页 |
5.5 实验结果及分析 | 第104-108页 |
5.5.1 上下文位置注意力的有效性 | 第104-105页 |
5.5.2 与当前方法对比 | 第105-106页 |
5.5.3 影响力传播范围研究 | 第106-107页 |
5.5.4 案例研究 | 第107-108页 |
5.6 本章小结 | 第108-109页 |
第6章 基于上下文对齐的神经网络排序 | 第109-126页 |
6.1 引言 | 第109-111页 |
6.2 相关工作 | 第111-112页 |
6.3 基于上下文对齐的神经网络排序模型CA-RNN | 第112-116页 |
6.3.1 CA-RNN概览 | 第113-114页 |
6.3.2 词对齐检测 | 第114-115页 |
6.3.3 上下文对齐门 | 第115-116页 |
6.4 实验设置 | 第116-119页 |
6.4.1 数据集和评价指标 | 第116-117页 |
6.4.2 训练 | 第117-118页 |
6.4.3 参数设置 | 第118-119页 |
6.5 实验结果及分析 | 第119-125页 |
6.5.1 CA-RNN的有效性 | 第119-120页 |
6.5.2 与当前方法对比 | 第120-122页 |
6.5.3 上下文对齐方向研究 | 第122-123页 |
6.5.4 案例研究 | 第123-125页 |
6.6 本章小结 | 第125-126页 |
第7章 总结与展望 | 第126-129页 |
7.1 研究总结 | 第126-127页 |
7.2 研究展望 | 第127-129页 |
参考文献 | 第129-144页 |
附录一 攻读博士期间发表的学术论文 | 第144-146页 |
附录二 攻读博士期间参与的科研项目 | 第146-147页 |
附录三 攻读博士期间申请的发明专利 | 第147-148页 |
致谢 | 第148-149页 |