| 提要 | 第4-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.2 国内外发展现状 | 第14-16页 |
| 1.2.1 搜索引擎的发展历程 | 第14-15页 |
| 1.2.2 大规模机器学习技术在搜索引擎中的应用 | 第15-16页 |
| 1.2.3 查询推荐研究现状 | 第16页 |
| 1.3 研究目的 | 第16-17页 |
| 1.4 相关性研究 | 第17-18页 |
| 1.5 本文主要内容及章节安排 | 第18-20页 |
| 第2章 相关技术简介 | 第20-33页 |
| 2.1 海量数据处理工具– HADOOP | 第20-22页 |
| 2.2 增强学习与控制 | 第22-29页 |
| 2.2.1 马尔科夫决策过程 | 第22-26页 |
| 2.2.2 值迭代与政策迭代 | 第26-27页 |
| 2.2.3 学习一个 MDP 模型 | 第27-29页 |
| 2.3 马尔科夫随机游走模型 | 第29-33页 |
| 2.3.1 马尔科夫随机游走 | 第29-30页 |
| 2.3.2 带自转移的马尔科夫随机游走模型 | 第30-31页 |
| 2.3.3 带随机跳转的马尔科夫随机游走模型 | 第31-32页 |
| 2.3.4 带重新启动的马尔科夫随机游走模型 | 第32-33页 |
| 第3章 基于马尔科夫随机游走模型的 QUERY-DOC 关联挖掘算法设计 | 第33-39页 |
| 3.1 点击图上的随机游走模型 | 第33-34页 |
| 3.2 点击图上的前向与后向计算模型 | 第34-35页 |
| 3.3 QUERY-DOC 关联关系挖掘算法 | 第35-39页 |
| 3.3.1 迭代计算的步长 | 第36页 |
| 3.3.2 算法优化 | 第36-37页 |
| 3.3.3 置信度 | 第37-38页 |
| 3.3.4 裁剪与剪枝策略 | 第38-39页 |
| 第4章 算法实现与测试 | 第39-48页 |
| 4.1 基于点击图的 QUERY-DOC 关联挖掘系统设计与实现 | 第39-46页 |
| 4.1.1 系统开发环境 | 第39页 |
| 4.1.2 挖掘系统总体设计方案 | 第39页 |
| 4.1.3 预处理系统实现与测试 | 第39-44页 |
| 4.1.4 关联关系挖掘系统实现 | 第44-46页 |
| 4.2 系统测试 | 第46-48页 |
| 第5章 实验与结果分析 | 第48-61页 |
| 5.1 实验准备 | 第48-49页 |
| 5.1.1 数据集 | 第48页 |
| 5.1.2 数据预处理 | 第48-49页 |
| 5.1.3 实验环境 | 第49页 |
| 5.2 实验结果 | 第49-59页 |
| 5.2.1 不同迭代次数的影响 | 第49-50页 |
| 5.2.2 实验整体效果 | 第50-55页 |
| 5.2.3 对比实验 | 第55-59页 |
| 5.3 实验相关说明 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-67页 |
| 作者简介及在学期间取得的科研成果 | 第67-68页 |
| 后记和致谢 | 第68页 |