微博搜索的关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 表格 | 第12-13页 |
| 插图 | 第13-15页 |
| 主要符号对照表 | 第15-16页 |
| 第一章 绪论 | 第16-28页 |
| ·研究背景 | 第16-20页 |
| ·微博搜索概述 | 第20-22页 |
| ·研究框架 | 第22-24页 |
| ·主要贡献 | 第24-25页 |
| ·结构安排 | 第25-28页 |
| 第二章 相关工作 | 第28-36页 |
| ·微博搜索结果相关性排序 | 第28-31页 |
| ·微博分类 | 第31-33页 |
| ·微博摘要 | 第33-36页 |
| 第三章 微博搜索结果相关性排序 | 第36-56页 |
| ·任务定义 | 第36页 |
| ·基于学习排序的相关性估计 | 第36-47页 |
| ·学习排序 | 第37-38页 |
| ·微博特征提取 | 第38-42页 |
| ·实验结果及分析 | 第42-47页 |
| ·基于递归神经网络语言模型的相关性估计 | 第47-55页 |
| ·递归神经网络语言模型 | 第48-50页 |
| ·基于递归神经网络语言模型的排序 | 第50-51页 |
| ·实验结果及分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 微博分类 | 第56-72页 |
| ·任务定义 | 第56-57页 |
| ·基于特征的支持向量机分类模型 | 第57-59页 |
| ·微博的分类特征 | 第57-59页 |
| ·支持向量机分类器 | 第59页 |
| ·基于微博关系的协同分类模型 | 第59-63页 |
| ·协同分类算法 | 第59-62页 |
| ·微博上的协同分类模型 | 第62-63页 |
| ·实验结果及分析 | 第63-70页 |
| ·实验数据, | 第63-64页 |
| ·基于特征的支持向量机分类结果分析 | 第64-66页 |
| ·基于微博关系的协同分类结果分析 | 第66-70页 |
| ·本章小结 | 第70-72页 |
| 第五章 微博自动摘要的生成 | 第72-88页 |
| ·任务定义 | 第72-74页 |
| ·基于图的微博摘要模型 | 第74-80页 |
| ·子话题消息集合划分 | 第74-75页 |
| ·消息重要度估计 | 第75-79页 |
| ·自动摘要生成 | 第79-80页 |
| ·实验结果及分析 | 第80-86页 |
| ·实验数据 | 第80-81页 |
| ·评价标准 | 第81-82页 |
| ·关联交互自增强式图模型性能评价 | 第82-83页 |
| ·用户影响力和消息质量的贡献评价 | 第83-84页 |
| ·子话题划分评价 | 第84-85页 |
| ·书写质量估计评价 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第六章 微博对比摘要的生成 | 第88-100页 |
| ·对比摘要定义 | 第89-90页 |
| ·对比话题摘要 | 第90-93页 |
| ·代表性估计 | 第91-92页 |
| ·对比性估计 | 第92-93页 |
| ·实验结果及分析 | 第93-97页 |
| ·比较摘要结果评价 | 第94-95页 |
| ·对比性和代表性结果评价 | 第95-97页 |
| ·参数选择 | 第97页 |
| ·本章小结 | 第97-100页 |
| 第七章 总结与展望 | 第100-104页 |
| ·本文工作总结 | 第100-101页 |
| ·未来工作展望 | 第101-104页 |
| 参考文献 | 第104-112页 |
| 致谢 | 第112-114页 |
| 在读期间发表的学术论文 | 第114页 |
