信息检索中的查询扩展算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·研究目的 | 第12页 |
| ·国内外相关研究 | 第12-14页 |
| ·本文工作与创新点 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 信息检索与查询扩展综述 | 第16-37页 |
| ·基本概念 | 第16-19页 |
| ·什么是信息检索 | 第16页 |
| ·信息检索的过程 | 第16-17页 |
| ·信息检索的性能评价 | 第17-18页 |
| ·什么是查询扩展 | 第18-19页 |
| ·信息检索模型 | 第19-26页 |
| ·布尔模型 | 第19-20页 |
| ·向量空间模型 | 第20-22页 |
| ·概率模型 | 第22-23页 |
| ·潜语义标引模型 | 第23-24页 |
| ·神经网络模型 | 第24-25页 |
| ·统计语言模型 | 第25-26页 |
| ·基于本体论的信息检索模型 | 第26页 |
| ·基于用户反馈的查询扩展 | 第26-31页 |
| ·向量空间模型中基于用户相关反馈的查询扩展 | 第27-29页 |
| ·概率模型中基于用户相关反馈的查询扩展 | 第29-30页 |
| ·布尔模型中基于用户相关反馈的查询扩展 | 第30-31页 |
| ·基于局部分析的查询扩展 | 第31-34页 |
| ·基于局部聚类的查询扩展 | 第31-32页 |
| ·基于局部上下文的查询扩展 | 第32页 |
| ·基于自动相关反馈的查询扩展(ARFQE算法) | 第32-34页 |
| ·基于全局分析的查询扩展 | 第34-35页 |
| ·基于相似词典的查询扩展 | 第34页 |
| ·基于统计词典的查询扩展 | 第34-35页 |
| ·基于用户日志的查询扩展 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 一种基于AWAR算法的查询扩展算法 | 第37-45页 |
| ·引言 | 第37页 |
| ·关联规则概念 | 第37-39页 |
| ·Apriori算法 | 第39页 |
| ·AWAR算法 | 第39-42页 |
| ·完全加权关联规则概念 | 第39-40页 |
| ·AWAR算法描述 | 第40-41页 |
| ·AWAR算法性能分析 | 第41-42页 |
| ·AWARQE算法描述 | 第42-43页 |
| ·实验分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 一种基于K-means算法的查询扩展算法 | 第45-52页 |
| ·引言 | 第45页 |
| ·聚类概念 | 第45-47页 |
| ·K-means算法 | 第47页 |
| ·KQE算法描述 | 第47-49页 |
| ·实验分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 一种基于关联规则与聚类算法的查询扩展算法 | 第52-60页 |
| ·ACQE算法描述 | 第52-53页 |
| ·实验分析 | 第53-59页 |
| ·实验语料 | 第53-55页 |
| ·实验评估标准 | 第55-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与未来研究方向 | 第60-61页 |
| ·结论 | 第60页 |
| ·未来研究方向 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 论文及科研情况 | 第66页 |
