基于查询日志的用户查询意图检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第二章 相关理论及研究 | 第12-19页 |
| 2.1 通用搜索和垂直搜索 | 第12页 |
| 2.2 国内外研究现状 | 第12-13页 |
| 2.3 分词算法 | 第13-15页 |
| 2.3.1 基于词典的最大匹配算法 | 第14-15页 |
| 2.3.2 基于机器学习序列模型的方法 | 第15页 |
| 2.4 词袋模型和向量空间模型 | 第15-17页 |
| 2.6.1 词项频率和逆文档频率 | 第15-16页 |
| 2.6.2 TFIDF权重的其它计算方法 | 第16-17页 |
| 2.5 特征选择的方法 | 第17-19页 |
| 2.5.1 基于频率的特征选择方法 | 第17-18页 |
| 2.5.2 基于卡方检验的特征选择方法 | 第18页 |
| 2.5.3 多分类问题的特征选择方法 | 第18-19页 |
| 第三章 特征工程 | 第19-31页 |
| 3.1 问题定义 | 第19-20页 |
| 3.2 整体流程 | 第20-22页 |
| 3.3 数据预处理 | 第22-23页 |
| 3.4 特征提取 | 第23-31页 |
| 3.4.1 查询扩展 | 第23-26页 |
| 3.4.2 词袋建立 | 第26-31页 |
| 第四章 模型训练 | 第31-39页 |
| 4.1 分类算法 | 第31-37页 |
| 4.1.1 朴素贝叶斯 | 第31-32页 |
| 4.1.2 逻辑回归 | 第32-33页 |
| 4.1.3 支持向量机 | 第33-37页 |
| 4.2 其他尝试 | 第37-39页 |
| 第五章 实验结果分析 | 第39-47页 |
| 5.1 数据集的介绍 | 第39-41页 |
| 5.2 评测方式 | 第41-42页 |
| 5.3 实验环境 | 第42页 |
| 5.4 结果分析 | 第42-45页 |
| 5.5 最终结果 | 第45-47页 |
| 第六章 总结与展望 | 第47-51页 |
| 6.1 特征工程 | 第47-50页 |
| 6.1.1 查询扩展 | 第48页 |
| 6.1.2 其它词语的提取 | 第48-49页 |
| 6.1.3 搜索行为特征 | 第49-50页 |
| 6.2 模型训练 | 第50-51页 |
| 6.2.1 多标记问题 | 第50页 |
| 6.2.2 模型融合 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 发表论文和参加科研情况说明 | 第53-54页 |
| 致谢 | 第54-55页 |
