| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-11页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 查询扩展的国内外研究现状及相关技术 | 第9页 |
| 1.3 论文的研究内容和组织结构 | 第9-11页 |
| 第二章 查询扩展关键技术 | 第11-28页 |
| 2.1 查询扩展技术的定义 | 第11页 |
| 2.2 查询扩展技术的一般步骤 | 第11-24页 |
| 2.2.1 数据源预处理 | 第12页 |
| 2.2.2 候选扩展特征的生成与排序 | 第12-21页 |
| 2.2.3 扩展特征选择 | 第21-22页 |
| 2.2.4 查询重写 | 第22-24页 |
| 2.3 技术分类 | 第24-28页 |
| 2.3.1 语言学方法 | 第24-25页 |
| 2.3.2 基于语料库(全局)的分析技术 | 第25-26页 |
| 2.3.3 基于查询的(局部)的分析技术 | 第26页 |
| 2.3.4 搜索日志分析 | 第26-27页 |
| 2.3.5 网络数据 | 第27-28页 |
| 第三章 针对微博语料的Bayes-LDA主题建模方法 | 第28-45页 |
| 3.1 主题模型对短文本建模的特殊性分析 | 第28-30页 |
| 3.1.1 微博语料 | 第28-29页 |
| 3.1.2 主题模型在短文本建模问题上的优势 | 第29-30页 |
| 3.1.3 主题模型对短文本建模存在的问题 | 第30页 |
| 3.2 基于Bayes-LDA的短文本主题建模算法 | 第30-36页 |
| 3.2.1 算法基本思想 | 第31-32页 |
| 3.2.2 预处理及作者文档聚集 | 第32页 |
| 3.2.3 微博语料的LDA模型训练 | 第32-35页 |
| 3.2.4 微博主题分布的贝叶斯推导 | 第35-36页 |
| 3.3 实验及结果分析 | 第36-42页 |
| 3.3.1 实验目的及设计方案 | 第36页 |
| 3.3.2 对比模型 | 第36-38页 |
| 3.3.3 数据集说明 | 第38-39页 |
| 3.3.4 预处理 | 第39页 |
| 3.3.5 实验结果及分析 | 第39-42页 |
| 3.4 针对微博短文本的主题模型建模方法分析 | 第42-45页 |
| 3.4.1 操作层面的扩展 | 第42页 |
| 3.4.2 模型层面的扩展 | 第42-43页 |
| 3.4.3 Bayes-LDA模型对于查询扩展的实用性分析 | 第43-45页 |
| 第四章 基于主题模型的查询扩展算法实现 | 第45-53页 |
| 4.1 查询扩展实现框架 | 第45-46页 |
| 4.2 核心算法描述 | 第46-48页 |
| 4.2.1 主题建模及伪相关文档获取 | 第46页 |
| 4.2.2 扩展特征提取 | 第46-48页 |
| 4.2.3 查询重排序 | 第48页 |
| 4.3 实验设计与结果分析 | 第48-53页 |
| 4.3.1 实验目的和方法 | 第49页 |
| 4.3.2 实验数据及评价指标 | 第49-50页 |
| 4.3.3 实验结果及分析 | 第50-53页 |
| 第五章 海量数据实时处理与检索系统 | 第53-58页 |
| 5.1 系统需求和目标 | 第53-54页 |
| 5.2 流处理框架设计 | 第54-55页 |
| 5.3 存储与检索机制设计 | 第55-58页 |
| 5.3.1 原文存储策略 | 第55-56页 |
| 5.3.2 全文检索策略 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
