| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 引 言 | 第8-17页 |
| ·信息检索简介 | 第8-9页 |
| ·信息检索的定义 | 第8-9页 |
| ·信息检索的基本流程 | 第9页 |
| ·本文的研究背景 | 第9-15页 |
| ·自然语言处理与统计语言模型 | 第9-15页 |
| ·本文所研究的问题 | 第15页 |
| ·本文的研究思路和组织框架 | 第15-17页 |
| 第一章 文本检索模型概述 | 第17-29页 |
| ·传统IR模型:Boolean、VSM、PM | 第17-23页 |
| ·三种经典的信息检索模型 | 第17-18页 |
| ·布尔(Boolean)模型 | 第18页 |
| ·向量(Vector)模型 | 第18-21页 |
| ·概率模型 | 第21-23页 |
| ·基于统计语言学模型的IR模型 | 第23-27页 |
| ·统计语言学模型(SLM) | 第23-24页 |
| ·基于SLM的IR模型 | 第24-27页 |
| ·各种模型的比较 | 第27-29页 |
| 第二章 SLM-IR相关的工作 | 第29-36页 |
| ·基本模型 | 第29-33页 |
| ·N元文法(N-gram) | 第29页 |
| ·隐马尔科夫模型(HMM) | 第29-33页 |
| ·互信息等方法 | 第33页 |
| ·几种改进模型 | 第33-34页 |
| ·标题语言模型(Title?Language?Model,sigir2002) | 第33页 |
| ·依赖结构模型(Dependency?Structure?Language?Model ,sigir2003) | 第33-34页 |
| ·两阶段语言模型(Zhai&Lafferty) | 第34页 |
| ·SLM-IR的反馈机制 | 第34-36页 |
| 第三章 基于SLM-IR的中文文本检索 | 第36-51页 |
| ·特征选择(unigram/bigram/trigram/word) | 第36页 |
| ·中文分词算法 | 第36-46页 |
| ·基于词典分词 | 第39-41页 |
| ·基于统计分词 | 第41-45页 |
| ·两种分词方法的比较 | 第45-46页 |
| ·基于中文切分的统计语言模型 | 第46-47页 |
| ·平滑技术对统计语言模型的影响 | 第47-49页 |
| ·基于Bigram切分的中文统计语言模型的改进 | 第49-51页 |
| 第四章 实验与结论 | 第51-56页 |
| ·实验准备 | 第51-54页 |
| ·Lemur工具箱 | 第51-52页 |
| ·?评价方法 | 第52页 |
| ·实验数据、实验方法以及其他相关工具 | 第52-54页 |
| ·实验结果分析 | 第54-56页 |
| ·中文统计语言模型IR与中文VSM、PM的性能比较分析 | 第54-55页 |
| ·中文统计语言模型IR之间的性能比较 | 第55-56页 |
| 第五章 总结和展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64-65页 |
| 文献综述 | 第65-72页 |
