| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 微博检索研究现状 | 第12-14页 |
| 1.2.2 词向量技术研究现状 | 第14-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 相关研究基础 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 信息检索概述 | 第18-19页 |
| 2.3 信息检索模型 | 第19-24页 |
| 2.3.1 向量空间模型 | 第20-21页 |
| 2.3.2 概率模型 | 第21-22页 |
| 2.3.3 语言模型 | 第22-24页 |
| 2.4 词向量技术 | 第24-26页 |
| 2.4.1 神经网络语言模型 | 第24-25页 |
| 2.4.2 word2vec | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于词向量的微博检索算法 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 MRA-E算法的基本思想 | 第27-31页 |
| 3.2.1 微博检索存在的问题 | 第27-28页 |
| 3.2.2 MRA-E算法的解决思路 | 第28-29页 |
| 3.2.3 MRA-E算法的检索优化 | 第29-31页 |
| 3.3 微博向量表示 | 第31-33页 |
| 3.3.1 通过Skip-gram模型获取词向量 | 第31-32页 |
| 3.3.2 通过词向量计算微博向量 | 第32-33页 |
| 3.4 微博文档预检索 | 第33-38页 |
| 3.4.1 查询与微博文档的相关性定义 | 第33-34页 |
| 3.4.2 通过改进的BBF算法执行微博文档预检索 | 第34-38页 |
| 3.5 微博文档排序 | 第38-42页 |
| 3.5.1 WMD文档距离算法 | 第38-40页 |
| 3.5.2 通过简化的WMD算法执行微博文档排序 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于MRA-E算法的微博检索系统实现 | 第43-60页 |
| 4.1 引言 | 第43页 |
| 4.2 系统框架设计 | 第43-44页 |
| 4.3 数据库设计 | 第44-45页 |
| 4.4 各模块详细设计与实现 | 第45-55页 |
| 4.4.1 微博数据获取模块 | 第45-46页 |
| 4.4.2 微博数据预处理模块 | 第46-49页 |
| 4.4.3 微博文档索引模块 | 第49-52页 |
| 4.4.4 微博文档在线检索模块 | 第52-55页 |
| 4.5 实验分析 | 第55-59页 |
| 4.5.1 实验环境 | 第55页 |
| 4.5.2 检索效果评价指标 | 第55-56页 |
| 4.5.3 实验数据及参数设置 | 第56页 |
| 4.5.4 MRA-E算法的检索效率分析 | 第56-57页 |
| 4.5.5 MRA-E算法与传统检索方法的检索效果分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结及展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |