| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 问句相关度模型 | 第12-13页 |
| 1.2.2 检索结果优化技术 | 第13页 |
| 1.3 本文的主要研究工作 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 融合查询主题信息的主题翻译模型 | 第17-33页 |
| 2.1 引言 | 第17-18页 |
| 2.2 相关问句相关度模型概述 | 第18-20页 |
| 2.2.1 向量空间模型 | 第18页 |
| 2.2.2 BM25模型 | 第18-19页 |
| 2.2.3 一元语言模型 | 第19页 |
| 2.2.4 基于翻译的语言模型 | 第19页 |
| 2.2.5 主题翻译模型 | 第19-20页 |
| 2.2.6 基于意图的语言模型 | 第20页 |
| 2.3 融合查询主题信息的主题翻译模型(IT2LM) | 第20-24页 |
| 2.3.1 模型框架 | 第20-23页 |
| 2.3.2 算法描述 | 第23-24页 |
| 2.4 实验及分析 | 第24-32页 |
| 2.4.1 实验数据 | 第24-27页 |
| 2.4.2 模型训练 | 第27-28页 |
| 2.4.3 评价标准与基准方法 | 第28-29页 |
| 2.4.4 实验结果与分析 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 融合查询词项权重的问句检索模型 | 第33-44页 |
| 3.1 引言 | 第33-34页 |
| 3.2 相关词项赋权模型概述 | 第34-35页 |
| 3.2.1 基于tf-idf的词项赋权模型 | 第34-35页 |
| 3.2.2 基于信息熵的词项赋权模型 | 第35页 |
| 3.3 融合查询词项权重的问句检索模型(WIT2LM) | 第35-40页 |
| 3.3.1 WIT~2LM模型框架 | 第35-37页 |
| 3.3.2 基于主题模型的词项赋权模型(TWM) | 第37-38页 |
| 3.3.3 算法描述 | 第38-40页 |
| 3.4 实验及分析 | 第40-43页 |
| 3.4.1 实验数据 | 第40页 |
| 3.4.2 评价标准与基准方法 | 第40-41页 |
| 3.4.3 实验结果与分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 融合问答对质量特征的排序学习模型 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 排序学习概述 | 第45-46页 |
| 4.3 融合问答对质量特征的排序学习模型 | 第46-51页 |
| 4.3.1 模型框架 | 第46-47页 |
| 4.3.2 基于用户信息的问答对质量评估模型 | 第47-50页 |
| 4.3.3 算法描述 | 第50-51页 |
| 4.4 实验与分析 | 第51-55页 |
| 4.4.1 实验数据 | 第51-52页 |
| 4.4.2 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间获得与学位论文相关的科研成果 | 第63页 |