基于排序学习的音乐检索方法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 相关理论和技术 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 信息检索简介 | 第16-18页 |
| 2.2.1 信息检索的基本框架 | 第16-17页 |
| 2.2.2 信息检索的基本原理 | 第17-18页 |
| 2.3 信息检索模型 | 第18-22页 |
| 2.3.1 布尔检索模型 | 第18-19页 |
| 2.3.2 空间向量模型 | 第19-20页 |
| 2.3.3 概率模型 | 第20-21页 |
| 2.3.4 基于语言建模的检索模型 | 第21页 |
| 2.3.5 基于机器学习的检索模型 | 第21-22页 |
| 2.4 用户点击模型 | 第22-23页 |
| 2.5 排序学习 | 第23-25页 |
| 2.5.1 排序学习的原理 | 第23-25页 |
| 2.5.2 排序学习的方法 | 第25页 |
| 2.6 Solr全文索引框架 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 基于用户行为分析的热度模型 | 第27-39页 |
| 3.1 用户行为权重的确定 | 第27-28页 |
| 3.2 二阶函数平滑去噪 | 第28-30页 |
| 3.3 歌曲热度的计量 | 第30-31页 |
| 3.4 歌手热度的计量 | 第31-33页 |
| 3.5 热度缓存策略 | 第33-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于排序学习的音乐检索方法 | 第39-79页 |
| 4.1 基于排序学习的音乐检索的原理 | 第39-41页 |
| 4.2 用户查询阶段 | 第41-49页 |
| 4.2.1 用户查询解析过程 | 第41-43页 |
| 4.2.2 以字段为中心的检索过程 | 第43-48页 |
| 4.2.3 人工规则融合排序学习的检索策略 | 第48-49页 |
| 4.3 模型训练阶段 | 第49-67页 |
| 4.3.1 数据预处理 | 第49-52页 |
| 4.3.2 相关性标注的自动化构建 | 第52-57页 |
| 4.3.3 查询歌曲对的特征工程 | 第57-59页 |
| 4.3.4 排序学习算法的实现原理 | 第59-67页 |
| 4.4 实验及结果分析 | 第67-77页 |
| 4.4.1 实验数据 | 第67-69页 |
| 4.4.2 实验评价指标 | 第69-71页 |
| 4.4.3 实验结果分析 | 第71-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 系统实现和展示 | 第79-88页 |
| 5.1 系统运行软件环境 | 第79页 |
| 5.2 系统拓扑图 | 第79-81页 |
| 5.3 系统设计策略 | 第81页 |
| 5.4 软件架构 | 第81-84页 |
| 5.5 系统页面展示 | 第84-87页 |
| 5.6 本章小结 | 第87-88页 |
| 结论 | 第88-91页 |
| 参考文献 | 第91-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96-97页 |
| 致谢 | 第97-98页 |
| 附件 | 第98页 |
