用于搜索的网页可视化摘要技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 图表目录及缩略语 | 第13-16页 |
| 插图目录 | 第13-14页 |
| 表格目录 | 第14-16页 |
| 第1章 绪论 | 第16-26页 |
| ·研究背景与研究意义 | 第16-20页 |
| ·研究背景 | 第16-19页 |
| ·研究意义 | 第19-20页 |
| ·关键问题与研究任务 | 第20-23页 |
| ·关键问题 | 第20-21页 |
| ·研究任务 | 第21-23页 |
| ·研究内容与结构安排 | 第23-26页 |
| 第2章 基本知识 | 第26-38页 |
| ·搜索引擎 | 第26-31页 |
| ·基本结构 | 第26-28页 |
| ·排序方法 | 第28-29页 |
| ·查询页面 | 第29-30页 |
| ·评价方法 | 第30-31页 |
| ·图像表征 | 第31-33页 |
| ·图像的视觉特征 | 第31-32页 |
| ·图像在网页中的文字信息 | 第32-33页 |
| ·机器学习 | 第33-38页 |
| ·基本概念 | 第34-35页 |
| ·Logistic Regression | 第35-36页 |
| ·Ranking SVM | 第36-38页 |
| 第3章 网页内部图像的重要性衡量 | 第38-52页 |
| ·简介 | 第38-39页 |
| ·系统概述 | 第39-40页 |
| ·特征提取 | 第40-44页 |
| ·图像层次特征 | 第41-42页 |
| ·网页块层次特征 | 第42-43页 |
| ·网页层次特征 | 第43-44页 |
| ·站点层次特征 | 第44页 |
| ·学习算法 | 第44-48页 |
| ·MART | 第44-46页 |
| ·LamdaMART算法 | 第46-48页 |
| ·图像重要性模型训练过程 | 第48页 |
| ·实验 | 第48-50页 |
| ·实验设定 | 第48-49页 |
| ·算法性能评价 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 网页外部图像获取及相关性衡量 | 第52-66页 |
| ·简介 | 第52-53页 |
| ·系统概述 | 第53-54页 |
| ·外部图像获取 | 第54-56页 |
| ·网页关键词提取 | 第54-56页 |
| ·外部图像搜索 | 第56页 |
| ·外部图像相关性排序 | 第56-62页 |
| ·文字相似性 | 第56-59页 |
| ·视觉重要性 | 第59-62页 |
| ·排序方法 | 第62页 |
| ·实验 | 第62-64页 |
| ·实验设定 | 第62-63页 |
| ·外部图像获取算法评价 | 第63页 |
| ·外部图像排序算法评价 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 可视化摘要的比较 | 第66-74页 |
| ·简介 | 第66-67页 |
| ·Visual Snippet | 第67页 |
| ·最优可视化摘要比较 | 第67-69页 |
| ·设定 | 第67-68页 |
| ·各种可视化摘要的比较 | 第68-69页 |
| ·用户研究 | 第69-72页 |
| ·设定 | 第70-71页 |
| ·结果与讨论 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第6章 最优可视化摘要的选择算法 | 第74-90页 |
| ·简介 | 第74-75页 |
| ·好的可视化摘要的特性 | 第75页 |
| ·最优可视化摘要选取算法 | 第75-81页 |
| ·算法概述 | 第75-76页 |
| ·近邻传播聚类算法 | 第76-78页 |
| ·偏向参数设定 | 第78-79页 |
| ·相似性矩阵 | 第79-80页 |
| ·最优可视化摘要选取 | 第80-81页 |
| ·实验 | 第81-88页 |
| ·实验设定 | 第81-82页 |
| ·算法的客观评价 | 第82-85页 |
| ·参数选择 | 第85-87页 |
| ·算法的主观评价 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 第7章 总结与展望 | 第90-94页 |
| ·论文总结 | 第90-92页 |
| ·未来研究展望 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 致谢 | 第102-104页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第104-106页 |
| 作者简介 | 第106页 |
