基于查询点击核心图的查询推荐问题研究
| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第一章 绪论 | 第14-26页 |
| 第一节 引言 | 第14-16页 |
| 第二节 查询推荐的研究背景 | 第16-18页 |
| 第三节 查询推荐面临的挑战 | 第18-19页 |
| 第四节 本文主要研究内容与意义 | 第19-23页 |
| ·研究内容与方案 | 第20-22页 |
| ·研究目标 | 第22页 |
| ·研究意义 | 第22-23页 |
| 第五节 本文章节安排 | 第23-26页 |
| 第二章 相关工作综述 | 第26-46页 |
| 第一节 查询推荐 | 第26-34页 |
| ·查询推荐方法分类 | 第26-28页 |
| ·查询推荐的数学模型 | 第28-32页 |
| ·查询推荐的评价指标 | 第32-34页 |
| 第二节 查询理解与搜索过程建模 | 第34-39页 |
| ·查询理解 | 第34-36页 |
| ·查询聚类 | 第36-37页 |
| ·搜索过程建模 | 第37-39页 |
| 第三节 用户行为数据 | 第39-44页 |
| ·用户行为数据分类 | 第40页 |
| ·用户行为数据的特点 | 第40-42页 |
| ·用户行为数据建模与挖掘 | 第42-44页 |
| 第四节 本章小结 | 第44-46页 |
| 第三章 基于查询点击核心图的查询推荐 | 第46-73页 |
| 第一节 查询点击核心图的引入 | 第46-47页 |
| 第二节 查询点击核心图建模与学习 | 第47-54页 |
| ·查询点击核心图的数学模型 | 第47-51页 |
| ·查询点击核心图的优化算法 | 第51-54页 |
| 第三节 基于核心图的查询推荐算法 | 第54-59页 |
| 第四节 实验及分析 | 第59-72页 |
| ·实验数据集 | 第59-60页 |
| ·查询点击核心图的性质与分析 | 第60-66页 |
| ·查询点击核心图模型的查询推荐性能 | 第66-72页 |
| 第五节 本章小结 | 第72-73页 |
| 第四章 结合搜索上下文的查询推荐 | 第73-102页 |
| 第一节 搜索上下文的引入 | 第73-75页 |
| ·搜索上下文示例 | 第73-75页 |
| ·搜索上下文模型的假设 | 第75页 |
| 第二节 搜索上下文建模与学习 | 第75-87页 |
| ·变长隐马尔可夫模型 | 第76-78页 |
| ·搜索上下文模型参数初始化 | 第78-85页 |
| ·模型参数的分布式EM学习算法 | 第85-87页 |
| 第三节 基于搜索上下文的查询推荐方法 | 第87-88页 |
| 第四节 实验及分析 | 第88-101页 |
| ·实验数据集 | 第89页 |
| ·搜索上下文建模有效性验证 | 第89-91页 |
| ·搜索上下文模型初始状态性能评估 | 第91-93页 |
| ·搜索上下文模型参数学习 | 第93-95页 |
| ·新查询的搜索状态推断 | 第95-96页 |
| ·搜索上下文模型的查询推荐性能 | 第96-101页 |
| 第五节 本章小结 | 第101-102页 |
| 第五章 融入搜索任务的查询推荐 | 第102-123页 |
| 第一节 搜索任务的引入 | 第102-104页 |
| ·搜索任务示例 | 第102-103页 |
| ·搜索任务建模假设 | 第103-104页 |
| 第二节 搜索任务建模与学习 | 第104-109页 |
| ·搜索任务的定义 | 第104-106页 |
| ·查询间的任务相关度学习 | 第106页 |
| ·基于近邻规则的查询聚类 | 第106-109页 |
| 第三节 基于搜索任务的查询推荐方法 | 第109-111页 |
| 第四节 实验及分析 | 第111-122页 |
| ·实验数据集 | 第111-112页 |
| ·搜索任务抽取算法性能 | 第112-115页 |
| ·搜索任务建模有效性验证 | 第115-117页 |
| ·搜索任务模型的查询推荐性能 | 第117-122页 |
| 第五节 本章小结 | 第122-123页 |
| 第六章 总结与展望 | 第123-127页 |
| 第一节 工作成果总结 | 第123-124页 |
| 第二节 未来工作展望 | 第124-127页 |
| 参考文献 | 第127-139页 |
| 致谢 | 第139-141页 |
| 个人简历 | 第141-143页 |
| 在学期间研究成果 | 第143-144页 |
