| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本课题研究目的与意义 | 第11-12页 |
| 1.4 本课题主要内容及创新点 | 第12-14页 |
| 第2章 理论研究综述 | 第14-37页 |
| 2.1 信息检索研究综述 | 第14-26页 |
| 2.1.1 信息检索的基础架构 | 第14-16页 |
| 2.1.2 信息检索中的数学模型 | 第16-20页 |
| 2.1.3 排序学习研究综述 | 第20-22页 |
| 2.1.4 信息检索中的评价方法 | 第22-26页 |
| 2.2 神经网络语言模型研究综述 | 第26-36页 |
| 2.2.1 基础的神经网络语言模型 | 第27-29页 |
| 2.2.2 神经网络语言模型的发展 | 第29-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第3章 基于平滑方法和语义的特征提取方法研究 | 第37-46页 |
| 3.1 基于语言模型平滑方法的特征提取的研究 | 第37-42页 |
| 3.1.1 语言模型平滑方法的研究 | 第37-38页 |
| 3.1.2 基于语言模型平滑方法的特征提取方案 | 第38-39页 |
| 3.1.3 实验结果及分析 | 第39-42页 |
| 3.2 基于神经网络语言模型的文档特征学习算法 | 第42-45页 |
| 3.2.1 基于NNLM的特征提取方法 | 第42-44页 |
| 3.2.2 实验结果和分析 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第4章 基于集成学习算法的排序模型 | 第46-61页 |
| 4.1 算法研究与设计 | 第46-55页 |
| 4.1.1 基于Listwise方法的排序问题描述 | 第46页 |
| 4.1.2 LambdaMART算法研究 | 第46-48页 |
| 4.1.3 算法优化 | 第48-55页 |
| 4.2 算法的实验分析 | 第55-59页 |
| 4.2.1 实验环境 | 第55-56页 |
| 4.2.2 测试数据集 | 第56-57页 |
| 4.2.3 实验结果及分析 | 第57-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第67页 |