基于机器学习的查询优化研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 图目录 | 第7-8页 |
| 表目录 | 第8-9页 |
| 1. 前言 | 第9-13页 |
| ·查询优化的难点 | 第9-10页 |
| ·查询优化的常规流程 | 第10-11页 |
| ·本文主要研究工作 | 第11页 |
| ·本文主要结构 | 第11-13页 |
| 2. 相关工作 | 第13-26页 |
| ·查询优化中的相关工作 | 第13-20页 |
| ·基于知识库等外部资源的查询优化 | 第13-15页 |
| ·依赖于检索模型的查询优化方法 | 第15-16页 |
| ·文档中词的统计信息 | 第16-17页 |
| ·基于查询日志和潜在反馈的查询优化方法 | 第17-18页 |
| ·基于自然语言处理的查询优化 | 第18-19页 |
| ·查询优化中采用的其他技术 | 第19-20页 |
| ·标准数据集 | 第20-23页 |
| ·TREC会议 | 第20-21页 |
| ·TREC测试数据集 | 第21-22页 |
| ·其他评测会议 | 第22-23页 |
| ·评测指标 | 第23-26页 |
| 3. 基于监督学习的查询扩展研究 | 第26-50页 |
| ·本章概述 | 第26-28页 |
| ·流程总体介绍 | 第28-29页 |
| ·训练数据的生成 | 第29-33页 |
| ·训练数据自动生成算法 | 第29-30页 |
| ·启发式候选扩展词生成 | 第30-31页 |
| ·候选扩展词特征提取 | 第31-33页 |
| ·模型的训练 | 第33-37页 |
| ·支持向量机分类模型 | 第33-34页 |
| ·支持向量机回归模型 | 第34-35页 |
| ·查询依赖问题和Bagging方法 | 第35-37页 |
| ·实验结果和分析 | 第37-48页 |
| ·标准数据集上的结果和讨论 | 第37-40页 |
| ·情感检索上的结果和讨论 | 第40-42页 |
| ·查询扩展中各种因素分析 | 第42-48页 |
| ·文献讨论 | 第48页 |
| ·总结和未来工作 | 第48-50页 |
| 4. 基于线性分类的查询词权重估计研究 | 第50-66页 |
| ·本章概述 | 第50-51页 |
| ·基于概率分类模型的检索模型 | 第51-53页 |
| ·模型简介 | 第51-52页 |
| ·模型的概括能力 | 第52-53页 |
| ·参数的学习方法 | 第53-59页 |
| ·无约束优化问题中常见的参数估计方法 | 第54-55页 |
| ·训练数据的获取 | 第55页 |
| ·生成式模型的参数估计 | 第55-57页 |
| ·判别式模型的参数估计 | 第57页 |
| ·参数估计的推导 | 第57-59页 |
| ·对概率分类模型的进一步讨论 | 第59-60页 |
| ·和Rocchio框架的比较 | 第59页 |
| ·伪反馈带来的误差 | 第59-60页 |
| ·实验及结果分析 | 第60-64页 |
| ·权重赋权的困难 | 第61-62页 |
| ·权重的调整 | 第62-63页 |
| ·影响性能的参数 | 第63-64页 |
| ·文献讨论 | 第64页 |
| ·本章小结 | 第64-66页 |
| 5. 基于受限化聚类的相关反馈 | 第66-80页 |
| ·本章概述 | 第66-67页 |
| ·总体流程图 | 第67页 |
| ·聚类和受限化聚类 | 第67-69页 |
| ·常见聚类算法介绍 | 第67-68页 |
| ·受限化聚类算法 | 第68-69页 |
| ·查询优化中对文档的处理 | 第69-70页 |
| ·实验结果及讨论分析 | 第70-79页 |
| ·TREC标准评测数据上的实验及分析讨论 | 第70-74页 |
| ·CLUEWEB 09上的实验及分析讨论 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 6. 总结与展望 | 第80-82页 |
| ·总结 | 第80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-94页 |
| 攻读博士学位期间的主要工作 | 第94-95页 |
| 致谢 | 第95-97页 |
