| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 研究内容 | 第12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 分布式计算系统研究 | 第13-23页 |
| 2.1 分布式计算系统简介 | 第13-14页 |
| 2.2 不同类型的的分布式系统 | 第14-16页 |
| 2.3 分布式计算系统-spark | 第16-19页 |
| 2.3.1 Spark简介 | 第16-17页 |
| 2.3.2 弹性分布式数据集 | 第17-19页 |
| 2.4 Spark与其他分布式计算特点与实验对比 | 第19-21页 |
| 2.5 算法在spark上的计算逻辑研究 | 第21-23页 |
| 第三章 排序学习算法研究 | 第23-49页 |
| 3.1 排序学习简介 | 第23-24页 |
| 3.2 不同类型排序学习算法 | 第24-31页 |
| 3.3 LambdaMart | 第31-35页 |
| 3.4 排序学习评价指标 | 第35-38页 |
| 3.5 主要排序学习模型的排序效果对比实验 | 第38-39页 |
| 3.6 防过拟合方法研究与实验 | 第39-49页 |
| 3.6.1 神经网络防过拟合 | 第40-42页 |
| 3.6.2 boosted决策树模型防过拟合 | 第42-49页 |
| 第四章 算法设计实现与应用效果 | 第49-69页 |
| 4.1 lambdaMart算法的实现 | 第49-54页 |
| 4.1.1 lambdaMart算法伪代码设计与分析 | 第49-50页 |
| 4.1.2 加速算法策略 | 第50-52页 |
| 4.1.3 防过拟合算法策略 | 第52-53页 |
| 4.1.4 程序设计与实现 | 第53-54页 |
| 4.2 平台环境安装配置 | 第54-55页 |
| 4.3 特征工程 | 第55-56页 |
| 4.4 实验结果与总结 | 第56-69页 |
| 4.4.1 算法性能测试实验 | 第56-59页 |
| 4.4.2 算法在多语言通用搜索场景下的应用效果 | 第59-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 基于spark的lambdaMart算法研究的总结 | 第69页 |
| 5.2 工作中的不足和未来的展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-75页 |
| 作者攻读学位期间发表的学术论文目录 | 第75页 |