| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.3 本文研究内容与创新 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关技术 | 第19-29页 |
| 2.1 INDRI | 第19页 |
| 2.2 查询扩展技术 | 第19页 |
| 2.3 相关反馈和伪相关反馈技术 | 第19-20页 |
| 2.4 信息检索模型 | 第20-24页 |
| 2.4.1 布尔模型 | 第20-21页 |
| 2.4.2 向量空间模型 | 第21-22页 |
| 2.4.3 概率模型 | 第22-23页 |
| 2.4.4 统计语言模型 | 第23-24页 |
| 2.5 平滑技术 | 第24-25页 |
| 2.5.1 Dirichlet Smoothing | 第24-25页 |
| 2.5.2 Jelinek-Mercer | 第25页 |
| 2.5.3 Two-Stage | 第25页 |
| 2.6 评价方法 | 第25-28页 |
| 2.6.1 准确率和召回率 | 第25-26页 |
| 2.6.2 查准率-查全率曲线 | 第26页 |
| 2.6.3 MAP | 第26-27页 |
| 2.6.4 P@N | 第27页 |
| 2.6.5 Bpref | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 博客意见检索模型 | 第29-43页 |
| 3.1 博客表示模型 | 第29-31页 |
| 3.1.1 全局表示模型 | 第29页 |
| 3.1.2 伪簇选择模型 | 第29-30页 |
| 3.1.3 改进的TPM模型 | 第30-31页 |
| 3.2 主题相关性和意见相关性的融合 | 第31-33页 |
| 3.2.1 传统两阶段方法 | 第31-32页 |
| 3.2.2 基于贝叶斯方法的生成模型 | 第32-33页 |
| 3.3 主题相关性的衡量 | 第33-36页 |
| 3.4 意见相关性的衡量 | 第36-42页 |
| 3.4.1 意见词的扩充 | 第37-39页 |
| 3.4.2 意见检索模型 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验及结果分析 | 第43-55页 |
| 4.1 测试数据及评价方法 | 第43-44页 |
| 4.2 数据预处理 | 第44-45页 |
| 4.3 博客意见检索系统架构 | 第45-47页 |
| 4.4 实验结果及分析 | 第47-53页 |
| 4.4.1 整体实验结果 | 第47-50页 |
| 4.4.2 博客表示模型的有效性实验 | 第50-51页 |
| 4.4.3 意见检索模型的有效性实验 | 第51-52页 |
| 4.4.4 基于贝叶斯的生成模型的有效性实验 | 第52-53页 |
| 4.5 TPM模型的参数分析 | 第53页 |
| 4.6 本章小结 | 第53-55页 |
| 总结和展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读学位期间发表论文与研究成果清单 | 第62-63页 |
| 致谢 | 第63页 |