社交网络下基于用户生成内容的搜索方法研究
致谢 | 第4-5页 |
摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 引言 | 第15-24页 |
1.1 研究背景及意义 | 第15-19页 |
1.2 研究思路及内容 | 第19-21页 |
1.3 研究主要贡献 | 第21-22页 |
1.4 论文组织结构 | 第22-24页 |
2 相关研究综述 | 第24-47页 |
2.1 传统信息检索及排序模型 | 第24-31页 |
2.1.1 传统信息检索概述 | 第24-26页 |
2.1.2 布尔模型 | 第26页 |
2.1.3 向量空间模型 | 第26-27页 |
2.1.4 概率模型 | 第27-30页 |
2.1.5 查询扩展模型 | 第30-31页 |
2.2 神经信息检索排序模型 | 第31-38页 |
2.2.1 神经信息检索概述 | 第31-32页 |
2.2.2 神经信息检索模型的分类 | 第32-34页 |
2.2.3 基于深度神经网络的信息检索模型 | 第34-38页 |
2.3 用户生成内容相关研究概述 | 第38-42页 |
2.3.1 基于用户标签的模型 | 第39-40页 |
2.3.2 个性化搜索 | 第40页 |
2.3.3 社会图书检索 | 第40-42页 |
2.4 社会化搜索研究概述 | 第42-46页 |
2.4.1 社会化搜索概述 | 第42-44页 |
2.4.2 社会化搜索引擎 | 第44页 |
2.4.3 社会化搜索算法 | 第44-46页 |
2.5 本章小结 | 第46-47页 |
3 基于结构化用户生成内容的搜索方法 | 第47-73页 |
3.1 社会图书检索 | 第47-54页 |
3.2 泛化的基于内容推荐算法 | 第54-58页 |
3.3 基于结构化用户生成内容的社会图书检索框架 | 第58-63页 |
3.3.1 系统总览 | 第58-60页 |
3.3.2 基于结构化用户生成内容的重排序模型 | 第60-62页 |
3.3.3 基于学习排序的结合 | 第62-63页 |
3.4 实验验证 | 第63-72页 |
3.4.1 不同重排序和学习排序方法对比结果 | 第64-69页 |
3.4.2 与社会图书检索参赛方法对比结果 | 第69-72页 |
3.5 本章小结 | 第72-73页 |
4 融合结构化和非结构化用户生成内容的搜索方法 | 第73-95页 |
4.1 社交网络下通用检索 | 第73-75页 |
4.2 基于用户生成内容的伪相关反馈 | 第75-80页 |
4.2.1 整体框架概述 | 第75-76页 |
4.2.2 结构化和非结构化用户生成内容 | 第76-77页 |
4.2.3 用户生成内容相关关系图 | 第77-78页 |
4.2.4 伪相关反馈框架和算法 | 第78-80页 |
4.3 扩展词项选择模型 | 第80-83页 |
4.3.1 结构化用户生成内容的词项选择 | 第81-83页 |
4.3.2 非结构化用户生成内容的词项选择 | 第83页 |
4.4 搜索系统 | 第83-85页 |
4.5 实验验证 | 第85-94页 |
4.5.1 实验数据 | 第85-86页 |
4.5.2 实验设置 | 第86-87页 |
4.5.3 系统不同组件对比实验结果 | 第87-89页 |
4.5.4 不同伪相关反馈模型的对比结果 | 第89-92页 |
4.5.5 与社会图书检索参赛方法对比结果 | 第92-94页 |
4.6 本章小结 | 第94-95页 |
5 基于用户生成内容语义向量表示的搜索方法 | 第95-116页 |
5.1 书单搜索 | 第96-98页 |
5.2 基于用户生成内容的查询表示与文档表示 | 第98-105页 |
5.2.1 基于查询话题分类的查询向量表示 | 第101-103页 |
5.2.2 基于文档多标签分类的文档向量表示 | 第103-105页 |
5.3 基于用户生成内容向量表示的搜索框架 | 第105-110页 |
5.3.1 相关性的向量化 | 第106-108页 |
5.3.2 质量的向量化 | 第108-109页 |
5.3.3 时效性的向量化 | 第109页 |
5.3.4 多样性的向量化 | 第109-110页 |
5.3.5 模型训练 | 第110页 |
5.4 实验验证 | 第110-115页 |
5.4.1 框架组件的对比结果 | 第111-113页 |
5.4.2 与社会图书检索参赛方法对比结果 | 第113-115页 |
5.5 本章小结 | 第115-116页 |
6 总结与展望 | 第116-119页 |
参考文献 | 第119-128页 |
作者简历及在学研究成果 | 第128-132页 |
学位论文数据集 | 第132页 |