| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 本文的研究内容 | 第12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 第二章 相关研究综述 | 第14-20页 |
| 2.1 信息检索模型 | 第14-16页 |
| 2.1.1 向量空间模型 | 第14-15页 |
| 2.1.2 查询似然检索模型 | 第15页 |
| 2.1.3 概率检索模型 | 第15-16页 |
| 2.2 语言模型中的数据平滑方法 | 第16-17页 |
| 2.2.1 Jelinek-Mercer平滑 | 第16页 |
| 2.2.2 Dirichlet Prior平滑 | 第16-17页 |
| 2.3 中文分词技术 | 第17-19页 |
| 2.3.1 基于语汇知识的分词算法 | 第17-19页 |
| 2.3.2 基于语言知识的分词方法 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 中文微博检索测试集构建 | 第20-32页 |
| 3.1 引言 | 第20-21页 |
| 3.2 相关研究综述 | 第21-22页 |
| 3.3 微博文档集构建 | 第22-25页 |
| 3.3.1 微博数据集收集 | 第22-23页 |
| 3.3.2 数据集预处理 | 第23-24页 |
| 3.3.3 数据解析与索引式存储 | 第24-25页 |
| 3.4 查询主题集构建 | 第25-28页 |
| 3.5 相关性标准集构建 | 第28-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 微博帖权威性计算方法 | 第32-46页 |
| 4.1 引言 | 第32-33页 |
| 4.2 相关研究工作 | 第33-37页 |
| 4.2.1 链接分析算法 | 第34-35页 |
| 4.2.2 TwitterRank算法 | 第35-36页 |
| 4.2.3 TURank算法 | 第36-37页 |
| 4.3 微博帖权威性计算方法 | 第37-39页 |
| 4.3.1 基于绝对转发数的微博帖权威性计算方法 | 第38页 |
| 4.3.2 基于PostRank的微博帖权威性计算方法 | 第38-39页 |
| 4.4 基于微博帖权威性的微博检索方法 | 第39-41页 |
| 4.4.1 文档先验概率的使用 | 第39-40页 |
| 4.4.2 语言模型中两种平滑方法处理 | 第40-41页 |
| 4.4.3 基于语言模型的微博检索模型 | 第41页 |
| 4.5 实验设计与结果分析 | 第41-45页 |
| 4.5.1 实验环境和实验数据 | 第41-42页 |
| 4.5.2 实验设计与结果分析 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 总结和展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望和下一步工作 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士期间参与的科研项目 | 第52-53页 |
| 致谢 | 第53页 |