| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·国内外相关技术研究现状 | 第10-12页 |
| ·特征选择方法研究现状 | 第10-11页 |
| ·排序学习算法研究现状 | 第11-12页 |
| ·本文主要研究内容与结构组织 | 第12-13页 |
| 第2章 文本排序相关技术研究现状 | 第13-21页 |
| ·引言 | 第13页 |
| ·经典特征选择方法介绍 | 第13-16页 |
| ·TFIDF | 第13-14页 |
| ·信息增益 | 第14页 |
| ·文本频度 | 第14-15页 |
| ·互信息 | 第15页 |
| ·X2统计量方法 | 第15页 |
| ·期望交叉熵 | 第15-16页 |
| ·文本证据权 | 第16页 |
| ·优势率 | 第16页 |
| ·传统排序模型以及排序学习相关技术 | 第16-21页 |
| ·基于内容和链接的排序模型 | 第17-18页 |
| ·排序学习的兴起与发展 | 第18-21页 |
| 第3章 改进的文本特征提取方法TFIDF 及基准排序序列的构建 | 第21-28页 |
| ·引言 | 第21-22页 |
| ·改进的TFIDF 特征提取方法 | 第22-24页 |
| ·信息熵 | 第22-23页 |
| ·考虑位置权重 | 第23-24页 |
| ·WTE 特征选择方法 | 第24页 |
| ·基准排序序列的构建 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第4章 基于列表级的相关文本排序学习研究及其系统实现 | 第28-40页 |
| ·引言 | 第28页 |
| ·文本内容与查询的相关性 | 第28-29页 |
| ·相似性图 | 第29-32页 |
| ·向量空间模型 | 第29页 |
| ·相似性图 | 第29-32页 |
| ·相似性调整排序函数 | 第32-33页 |
| ·列表级排序学习的形式化描述 | 第33-34页 |
| ·构建排序学习模型 | 第34-38页 |
| ·最大似然估计损失 | 第34-36页 |
| ·交叉熵损失 | 第36页 |
| ·排序学习算法 | 第36-38页 |
| ·文本排序学习系统设计与实现 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第5章 实验结果与对比分析 | 第40-53页 |
| ·引言 | 第40页 |
| ·实验环境 | 第40页 |
| ·实验数据 | 第40-43页 |
| ·OHSUMED 数据集 | 第40-41页 |
| ·LETOR 数据集 | 第41-43页 |
| ·评价方法 | 第43-45页 |
| ·平均准确率 | 第43页 |
| ·NDCG 评价指标 | 第43-44页 |
| ·宏平均和微平均 | 第44-45页 |
| ·实验结果分析 | 第45-52页 |
| ·各种特征提取方法提取特征词的比较 | 第45-48页 |
| ·特征选择方法实验结果对比分析 | 第48-50页 |
| ·排序学习方法实验结果对比分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |