基于GBDT的社区问题标签推荐技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外相关内容研究现状 | 第11-14页 |
| 1.3.1 关键词抽取 | 第11-13页 |
| 1.3.2 候选标签选择 | 第13页 |
| 1.3.3 标签重排序 | 第13-14页 |
| 1.4 本文主要研究内容及章节安排 | 第14-16页 |
| 第2章 问答社区问题候选标签的获取 | 第16-31页 |
| 2.1 引言 | 第16-17页 |
| 2.2 低质问题过滤 | 第17-19页 |
| 2.3 关键词抽取 | 第19-28页 |
| 2.3.1 候选关键词选取 | 第19-22页 |
| 2.3.2 推荐关键词选取 | 第22-28页 |
| 2.4 候选标签获取 | 第28页 |
| 2.5 实验设计与分析 | 第28-30页 |
| 2.5.1 数据集及预处理 | 第28页 |
| 2.5.2 实验结果及分析 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 标签与问题关系的分析与构建 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 传统特征的选取 | 第31-32页 |
| 3.3 词向量使用 | 第32-39页 |
| 3.3.1 词向量原理 | 第33-38页 |
| 3.3.2 词相似度计算 | 第38页 |
| 3.3.3 标签扩展 | 第38-39页 |
| 3.3.4 有序字典使用 | 第39页 |
| 3.4 条件概率 | 第39-40页 |
| 3.5 特征选择与构建 | 第40-42页 |
| 3.5.1 基本向量的构建 | 第40-41页 |
| 3.5.2 特征向量的构建 | 第41-42页 |
| 3.5.3 特征选择的改进 | 第42页 |
| 3.6 实验结果及分析 | 第42-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 基于GBDT的问题标签推荐 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 传统排序模型 | 第45-47页 |
| 4.2.1 相关度排序模型 | 第45-46页 |
| 4.2.2 重要性排序模型 | 第46-47页 |
| 4.3 LEARN TO RANK排序模型 | 第47-48页 |
| 4.4 梯度优化决策树模型 | 第48-52页 |
| 4.4.1 决策树方法 | 第48-49页 |
| 4.4.2 BOOSTING方法 | 第49-50页 |
| 4.4.3 随机森林方法 | 第50-51页 |
| 4.4.4 梯度优化决策树方法 | 第51-52页 |
| 4.5 基于GBDT模型的方法实现 | 第52-55页 |
| 4.6 实验结果及分析 | 第55-57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
