| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17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 论文的研究内容 | 第14页 |
| 1.4 论文的组织 | 第14-17页 |
| 第二章 排序学习理论基础及技术 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 学习排序的相关研究 | 第17-18页 |
| 2.3 排序学习算法 | 第18-22页 |
| 2.3.1 基于点(pointwise)的排序算法 | 第18-19页 |
| 2.3.2 基于对(pairwise)的排序算法 | 第19-21页 |
| 2.3.3 基于列表(listwise)的排序算法 | 第21-22页 |
| 2.4 专家检索简介 | 第22页 |
| 2.5 稀疏表示理论知识 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 专家排序特征抽取 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 专家排序的特征提取 | 第25-29页 |
| 3.2.1 查询-相关文档的相似关系 | 第26页 |
| 3.2.2 语言模型特征 | 第26-27页 |
| 3.2.3 专家页面特征 | 第27-28页 |
| 3.2.4 专家关联关系 | 第28-29页 |
| 3.3 小结 | 第29-31页 |
| 第四章 基于稀疏学习的专家列表排序方法 | 第31-39页 |
| 4.1 引言 | 第31-32页 |
| 4.2 排序学习测量指标 | 第32-33页 |
| 4.3 相关理论 | 第33-34页 |
| 4.3.1 稀疏表示算法 | 第33-34页 |
| 4.3.2 基于列表的替代评价指标 | 第34页 |
| 4.4 基于稀疏学习的专家列表排序 | 第34-36页 |
| 4.4.1 求解目标函数 | 第35页 |
| 4.4.2 基于稀疏学习列表排序的算法 | 第35-36页 |
| 4.5 实验及分析 | 第36-39页 |
| 4.5.1 与传统的稠密的专家排序方法进行对比 | 第36-37页 |
| 4.5.2 与其他稀疏学习排序方法进行对比 | 第37-39页 |
| 第五章 基于稀疏学习的two-stage专家列表排序方法 | 第39-47页 |
| 5.1 引言 | 第39页 |
| 5.2 相关工作 | 第39-40页 |
| 5.3 利用系数阈值进行特征过滤 | 第40-42页 |
| 5.3.1 相关工作 | 第40-41页 |
| 5.3.2 系数阈值的求解 | 第41-42页 |
| 5.4 基于稀疏学习的two-stage专家列表排序方法 | 第42-44页 |
| 5.4.1 参数调优 | 第42-43页 |
| 5.4.2 sparse-listwise算法 | 第43-44页 |
| 5.5 实验及分析 | 第44-47页 |
| 5.5.1 与传统稠密专家排序方法进行对比 | 第44-45页 |
| 5.5.2 基于稀疏学习的two-stage专家列表排序方法的有效性 | 第45-47页 |
| 第六章 基于稀疏学习的专家列表排序原型系统 | 第47-51页 |
| 6.1 引言 | 第47页 |
| 6.2 专家语料收集 | 第47-48页 |
| 6.3 排序系统的设计和实现 | 第48-50页 |
| 6.3.1 系统框架 | 第48-49页 |
| 6.3.2 专家排序系统实现效果 | 第49-50页 |
| 6.4 本章小结 | 第50-51页 |
| 第七章 总结和展望 | 第51-53页 |
| 7.1 总结 | 第51页 |
| 7.2 工作展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 附录A 攻读硕士学位期间发表的论文与申请软件著作权 | 第61-63页 |
| 附录B 攻读硕士期间参与项目 | 第63-64页 |
| 附件 | 第64-65页 |
