首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共132页,点击 下载论文
上一篇:单目无纹理三维物体跟踪研究
下一篇:基于可控扩散与自适应稀疏逼近的眼底影像增强研究