| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-12页 |
| 1.2 研究目的和意义 | 第12-13页 |
| 1.3 国内外相关技术研究现状 | 第13-14页 |
| 1.4 本文主要研究内容与结构组织 | 第14-16页 |
| 第2章 相关技术概述 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 传统排序模型 | 第16-19页 |
| 2.2.1 基于内容相关性排序模型 | 第17-18页 |
| 2.2.2 基于重要性的排序模型 | 第18-19页 |
| 2.3 排序学习技术 | 第19-22页 |
| 2.3.1 Pointwise 方法 | 第20页 |
| 2.3.2 Pairwise 方法 | 第20-21页 |
| 2.3.3 Listwise 方法 | 第21-22页 |
| 2.3.4 排序学习主要的评测标准 | 第22页 |
| 2.4 Top-k 排序问题 | 第22-25页 |
| 2.4.1 Top-k 排序问题的主要策略 | 第23页 |
| 2.4.2 Top-k 排序问题的评价方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于文档相似性的 Top-k 排序模型构建 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 向量空间模型 VSM | 第26-27页 |
| 3.3 梯度下降方法 | 第27-28页 |
| 3.4 相似性图 | 第28-30页 |
| 3.5 排序函数的相似性调整 | 第30-31页 |
| 3.6 Top-k 排序学习算法 | 第31-34页 |
| 3.6.1 基本的 Top-k 排序学习算法损失函数 | 第31-32页 |
| 3.6.2 层次的 Top-k 排序学习方法 | 第32-34页 |
| 3.7 构建基于文本相似性的 Top-k 排序学习模型 | 第34-38页 |
| 3.7.1 交叉熵损失函数 | 第35-36页 |
| 3.7.2 基于文本相似性的 Top-k 排序学习算法模型 | 第36-37页 |
| 3.7.3 算法模型的优化方法 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第4章 实验结果与对比分析 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 实验数据 | 第39-44页 |
| 4.2.1 MQ2007-list MQ2008-list | 第41-42页 |
| 4.2.2 MQ2007-simi MQ2008-simi | 第42页 |
| 4.2.3 文档相似性数据集的制作 | 第42-43页 |
| 4.2.4 试验设置 | 第43-44页 |
| 4.3 评价方法 | 第44页 |
| 4.4 实验流程图 | 第44-45页 |
| 4.5 实验结果 | 第45-51页 |
| 4.5.1 实验结果对比分析 | 第45-49页 |
| 4.5.2 不同集合 T 的大小对排序结果的影响 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |
