| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第19-39页 |
| 1.1 研究背景与意义 | 第19-22页 |
| 1.2 国内外相关工作研究进展 | 第22-34页 |
| 1.2.1 查询理解 | 第22-29页 |
| 1.2.2 相关反馈 | 第29-34页 |
| 1.3 本文主要研究思路 | 第34-36页 |
| 1.4 本文主要工作及结构安排 | 第36-39页 |
| 2 文本检索技术概述 | 第39-51页 |
| 2.1 引言 | 第39-40页 |
| 2.2 Ad-Hoc信息检索 | 第40-45页 |
| 2.2.1 评价指标和方法 | 第40-43页 |
| 2.2.2 评测数据集 | 第43-45页 |
| 2.3 检索模型 | 第45-50页 |
| 2.3.1 向量空间模型 | 第45-47页 |
| 2.3.2 语言模型 | 第47-50页 |
| 2.4 本章小结 | 第50-51页 |
| 3 基于循环神经网络的查询词项权重学习 | 第51-70页 |
| 3.1 引言 | 第51-52页 |
| 3.2 问题定义 | 第52-53页 |
| 3.3 基于遗传算法的最优查询词项权重标注 | 第53-56页 |
| 3.3.1 目标权重 | 第53-54页 |
| 3.3.2 最优权重标注 | 第54-56页 |
| 3.4 查询词项特征构造 | 第56-60页 |
| 3.4.1 词项矢量 | 第56-58页 |
| 3.4.2 词项语法信息 | 第58-59页 |
| 3.4.3 词项统计信息 | 第59页 |
| 3.4.4 查询词项特征向量 | 第59-60页 |
| 3.5 查询词项权重学习模型 | 第60-63页 |
| 3.5.1 循环神经网络 | 第60-61页 |
| 3.5.2 双向循环神经网络 | 第61-62页 |
| 3.5.3 模型结构 | 第62-63页 |
| 3.6 实验 | 第63-69页 |
| 3.6.1 实验数据与评价指标 | 第63-64页 |
| 3.6.2 对比方法 | 第64页 |
| 3.6.3 实验设置 | 第64-65页 |
| 3.6.4 交叉验证 | 第65页 |
| 3.6.5 实验结果与分析 | 第65-69页 |
| 3.7 本章小结 | 第69-70页 |
| 4 基于级联深度学习的查询意图分类 | 第70-88页 |
| 4.1 引言 | 第70-72页 |
| 4.2 问题定义 | 第72页 |
| 4.3 查询特征构造 | 第72-73页 |
| 4.4 基于级联深度神经网络的查询意图分类器 | 第73-79页 |
| 4.4.1 面向中间查询意图类别体系 | 第74-77页 |
| 4.4.2 面向目标查询意图类别体系 | 第77-79页 |
| 4.5 基于隐式相关反馈的查询意图类别标注 | 第79-82页 |
| 4.5.1 查询与相关文档关系 | 第79-80页 |
| 4.5.2 文档与查询意图类别关系 | 第80-81页 |
| 4.5.3 查询意图类别标注 | 第81-82页 |
| 4.6 实验 | 第82-86页 |
| 4.6.1 实验数据 | 第82页 |
| 4.6.2 实验设置 | 第82-83页 |
| 4.6.3 对比方法 | 第83页 |
| 4.6.4 评价指标 | 第83-84页 |
| 4.6.5 实验结果与分析 | 第84-86页 |
| 4.7 本章小结 | 第86-88页 |
| 5 基于两阶段SimRank算法和查询扩展技术的相关反馈方法 | 第88-103页 |
| 5.1 引言 | 第88-89页 |
| 5.2 查询点击图与词项关系图 | 第89-92页 |
| 5.2.1 查询点击图 | 第90页 |
| 5.2.2 词项关系图 | 第90-92页 |
| 5.3 SimRank算法与权重标准化 | 第92-94页 |
| 5.3.1 SimRank | 第92页 |
| 5.3.2 权重标准化SimRank | 第92-93页 |
| 5.3.3 性能优化 | 第93-94页 |
| 5.4 基于两阶段SimRank的查询扩展 | 第94-96页 |
| 5.4.1 两阶段SimRank | 第95页 |
| 5.4.2 查询扩展 | 第95-96页 |
| 5.5 实验 | 第96-102页 |
| 5.5.1 实验数据 | 第96页 |
| 5.5.2 实验设置与评价指标 | 第96-98页 |
| 5.5.3 对比方法 | 第98页 |
| 5.5.4 实验结果与分析 | 第98-102页 |
| 5.6 本章小结 | 第102-103页 |
| 6 基于语言模型的正负双向相关反馈方法 | 第103-120页 |
| 6.1 引言 | 第103-105页 |
| 6.2 问题定义 | 第105-106页 |
| 6.3 向相关反馈模型 | 第106-109页 |
| 6.3.1 RM正向相关模型及其框架 | 第106-107页 |
| 6.3.2 基于KL离散度的正向相关模型 | 第107-109页 |
| 6.4 负向相关反馈模型 | 第109-111页 |
| 6.4.1 单一负向相关反馈框架 | 第110页 |
| 6.4.2 多元负向相关反馈框架 | 第110-111页 |
| 6.5 相关反馈语言模型优化 | 第111-114页 |
| 6.5.1 优化目标 | 第111-112页 |
| 6.5.2 优化框架与方法 | 第112-113页 |
| 6.5.3 约减搜索空间 | 第113-114页 |
| 6.6 实验 | 第114-119页 |
| 6.6.1 实验数据 | 第114-115页 |
| 6.6.2 对比方法 | 第115页 |
| 6.6.3 实验设置与评价指标 | 第115-116页 |
| 6.6.4 实验结果与分析 | 第116-119页 |
| 6.7 本章小结 | 第119-120页 |
| 7 结论与展望 | 第120-125页 |
| 7.1 结论 | 第120-122页 |
| 7.2 创新点 | 第122-123页 |
| 7.3 展望 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 附录A TREC评测数据集文档示例 | 第135-136页 |
| 附录B TREC评测数据集主题示例 | 第136-137页 |
| 攻读博士学位期间科研项目及科研成果 | 第137-139页 |
| 致谢 | 第139-141页 |
| 作者简介 | 第141页 |