| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·本文的研究内容与组织结构 | 第10-12页 |
| 2 排序学习的相关知识 | 第12-26页 |
| ·排序学习概述 | 第12-15页 |
| ·排序学习方法分类 | 第15-20页 |
| ·Pointwise排序学习方法 | 第15-17页 |
| ·Pairwise排序学习方法 | 第17-18页 |
| ·Listwise排序学习方法 | 第18-20页 |
| ·常用信息检索评价方法 | 第20-25页 |
| ·平均准确率(MAP)与平均倒数排序(MRR) | 第20-21页 |
| ·标准化折扣增益(NDCG) | 第21-22页 |
| ·Expected Reciprocal Rank(ERR) | 第22-23页 |
| ·Q-measure(Q) | 第23-25页 |
| ·小结 | 第25-26页 |
| 3 基于结构化SVM框架直接优化ERR指标的排序学习方法 | 第26-36页 |
| ·结构化SVM框架 | 第26-27页 |
| ·基于结构化SVM框架直接优化评价方法ERR | 第27-29页 |
| ·特征映射选择 | 第27-28页 |
| ·边界约束发现 | 第28页 |
| ·损失函数及变化量δ定义 | 第28-29页 |
| ·实验设计 | 第29-30页 |
| ·实验结果及分析 | 第30-36页 |
| ·实验结果 | 第30-34页 |
| ·实验分析 | 第34-36页 |
| 4 基于直接优化信息检索评价方法的特征生成框架 | 第36-51页 |
| ·特征生成框架 | 第37-38页 |
| ·基于排序模型直接优化信息检索评价方法 | 第38-40页 |
| ·特征生成框架上的排序学习 | 第40-41页 |
| ·新特征集构建 | 第40-41页 |
| ·排序模型学习 | 第41页 |
| ·实验设计 | 第41-42页 |
| ·实验结果及分析 | 第42-51页 |
| ·本章提出算法的排序性能 | 第42-44页 |
| ·新特征集F_LETOR和F_MSLR的实验结果 | 第44-47页 |
| ·融合特征集E_LETOR和E_MSLR的实验结果 | 第47-49页 |
| ·实验分析 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
