异质数据相似度学习及其在网络搜索中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 表格 | 第11-12页 |
| 第一章 绪论 | 第12-26页 |
| ·问题介绍 | 第12-14页 |
| ·异质数据相似度模型 | 第14-19页 |
| ·传统相关性模型是相似度函数 | 第15-18页 |
| ·相似度函数的性质 | 第18-19页 |
| ·异质数据相似度学习 | 第19-26页 |
| ·一般学习框架 | 第19-21页 |
| ·相似度学习的问题 | 第21-22页 |
| ·学习方法概述 | 第22-23页 |
| ·网络搜索中的应用 | 第23-26页 |
| 第二章 相关工作介绍 | 第26-34页 |
| ·同质数据相似度学习 | 第26-29页 |
| ·核，核方法以及核学习 | 第26-28页 |
| ·距离学习 | 第28-29页 |
| ·异质数据相似度学习 | 第29-30页 |
| ·查询和文档的相似度研究 | 第30-32页 |
| ·综合利用多种信息 | 第32-34页 |
| 第三章 多视角下双线性相似度函数学习 | 第34-56页 |
| ·概述 | 第35-37页 |
| ·问题形式化 | 第37页 |
| ·学习方法 | 第37-43页 |
| ·带约束的优化问题 | 第38页 |
| ·全局最优解 | 第38-40页 |
| ·算法 | 第40-41页 |
| ·查询-查询相似度 | 第41-43页 |
| ·实验 | 第43-51页 |
| ·数据集 | 第44-45页 |
| ·实验设置 | 第45-46页 |
| ·参数调节 | 第46-48页 |
| ·实验结果 | 第48-51页 |
| ·本章小结 | 第51-56页 |
| 第四章 正则化下双线性相似度函数学习 | 第56-74页 |
| ·概述 | 第56-57页 |
| ·抽样假设和一般框架 | 第57-58页 |
| ·正则化下的模型学习 | 第58-64页 |
| ·模型优化 | 第61-63页 |
| ·并行化 | 第63-64页 |
| ·模型泛化能力分析 | 第64-67页 |
| ·实验 | 第67-71页 |
| ·实验设置 | 第67-69页 |
| ·一周数据上的实验结果 | 第69-70页 |
| ·半年数据上的实验结果 | 第70-71页 |
| ·本章小结 | 第71-74页 |
| 第五章 基于核方法的相似度学习 | 第74-90页 |
| ·概述 | 第74-75页 |
| ·核方法介绍 | 第75-77页 |
| ·S-核 | 第77-78页 |
| ·Robust BM25 | 第78-80页 |
| ·实现 | 第80-85页 |
| ·实验 | 第85-88页 |
| ·实验设置 | 第85-86页 |
| ·实验结果 | 第86-87页 |
| ·案例分析 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 第六章 总结和展望 | 第90-94页 |
| ·对已有工作的总结 | 第90-92页 |
| ·对未来工作的展望 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 定理证明 | 第102-124页 |
| 博士期间科研成果 | 第124-126页 |
| 致谢 | 第126-127页 |
