排序学习损失函数的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·排序学习研究现状 | 第8-10页 |
| ·本文主要研究内容与组织结构 | 第10-11页 |
| 2 排序学习相关工作 | 第11-24页 |
| ·排序学习的一般过程 | 第11-12页 |
| ·排序学习方法的特征 | 第12页 |
| ·与查询相关的特征 | 第12页 |
| ·与查询独立的特征 | 第12页 |
| ·排序学习数据集构造 | 第12-13页 |
| ·排序学习方法分类 | 第13-19页 |
| ·点级排序学习方法 | 第13-15页 |
| ·对级排序学习方法 | 第15-17页 |
| ·列表级排序学习方法 | 第17-19页 |
| ·评价排序函数的标准 | 第19-23页 |
| ·MAP与MRR | 第20-21页 |
| ·NDCG | 第21-22页 |
| ·ERR | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 一种改进的对级排序学习方法 | 第24-34页 |
| ·引言 | 第24-25页 |
| ·方法 | 第25-27页 |
| ·RankNet算法 | 第25-26页 |
| ·加入点级损失来改进RankNet算法 | 第26-27页 |
| ·实验设置 | 第27-29页 |
| ·数据集 | 第27-28页 |
| ·实验设计 | 第28-29页 |
| ·实验结果分析 | 第29-33页 |
| ·小结 | 第33-34页 |
| 4 一种查询级别回归的排序学习方法 | 第34-40页 |
| ·引言 | 第34页 |
| ·方法 | 第34-36页 |
| ·查询级别的回归 | 第34-35页 |
| ·优化方法 | 第35-36页 |
| ·实验设置 | 第36页 |
| ·数据集 | 第36页 |
| ·实验设计 | 第36页 |
| ·实验结果分析 | 第36-38页 |
| ·精度对比 | 第36-38页 |
| ·速度对比 | 第38页 |
| ·小结 | 第38-40页 |
| 5 多损失函数融合的排序学习方法 | 第40-51页 |
| ·引言 | 第40页 |
| ·候选损失函数及其梯度 | 第40-42页 |
| ·多损失函数融合框架 | 第42-43页 |
| ·实验设置 | 第43-44页 |
| ·实验结果与分析 | 第44-50页 |
| ·选取适合的损失函数 | 第44-45页 |
| ·正则化权重的损失函数融合 | 第45页 |
| ·迭代次数相关权重的损失函数融合 | 第45-46页 |
| ·分段损失函数融合 | 第46页 |
| ·三种损失函数融合方法的对比 | 第46-49页 |
| ·与其它损失函数融合算法的对比 | 第49-50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-58页 |
| 致谢 | 第58-59页 |
