| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第1章 绪论 | 第14-30页 |
| ·引言 | 第14-16页 |
| ·研究背景 | 第16-26页 |
| ·信息检索 | 第16-23页 |
| ·排序学习 | 第23-25页 |
| ·迁移学习 | 第25-26页 |
| ·本文动因 | 第26-27页 |
| ·本文的研究内容与创新点 | 第27页 |
| ·本文的章节安排 | 第27-30页 |
| 第2章 相关工作综述 | 第30-44页 |
| ·引言 | 第30页 |
| ·排序学习算法 | 第30-35页 |
| ·排序学习算法评价指标 | 第35-38页 |
| ·迁移学习算法 | 第38-41页 |
| ·迁移学习概述 | 第38-39页 |
| ·迁移学习算法分类 | 第39-40页 |
| ·常用迁移学习技术 | 第40-41页 |
| ·本章小结 | 第41-44页 |
| 第3章 基于实例的跨领域排序学习算法 | 第44-62页 |
| ·引言 | 第44-45页 |
| ·实例迁移学习概述 | 第45-46页 |
| ·形式化描述 | 第46-47页 |
| ·启发式算法TransRank | 第47-57页 |
| ·步骤一:Top-K查询选择 | 第47-52页 |
| ·步骤二:特征扩展 | 第52-55页 |
| ·步骤三:排序支持向量机 | 第55-56页 |
| ·算法流程 | 第56-57页 |
| ·改进的概率分布算法CLRank_(ins) | 第57-61页 |
| ·基本假设 | 第57页 |
| ·优化问题 | 第57-59页 |
| ·参数估计 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 基于特征的跨领域排序学习算法 | 第62-70页 |
| ·引言 | 第62页 |
| ·特征迁移学习综述 | 第62-63页 |
| ·基本假设 | 第63-64页 |
| ·优化问题 | 第64-66页 |
| ·CLRank_(feat)算法 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 跨领域排序学习算法的应用 | 第70-96页 |
| ·引言 | 第70-71页 |
| ·跨领域排序算法在文档检索中的应用 | 第71-80页 |
| ·数据集准备 | 第71-72页 |
| ·baseline方法和评价指标 | 第72-73页 |
| ·TransRank实验结果 | 第73-77页 |
| ·CLRank_(ins)和CLRank_(feat)实验结果 | 第77-80页 |
| ·互联网搜索引擎 | 第80-90页 |
| ·发展历史 | 第81-83页 |
| ·基本架构和原理 | 第83-88页 |
| ·垂直搜索引擎 | 第88-90页 |
| ·跨领域排序算法在垂直搜索中的应用 | 第90-94页 |
| ·数据集准备 | 第90-91页 |
| ·TransRank实验结果 | 第91-93页 |
| ·个案研究 | 第93-94页 |
| ·本章小结 | 第94-96页 |
| 第6章 总结与展望 | 第96-98页 |
| ·本文研究内容总结 | 第96-97页 |
| ·工作展望 | 第97-98页 |
| 参考文献 | 第98-106页 |
| 致谢 | 第106-108页 |
| 在读期间发表的学术论文与取得的研究成果 | 第108-109页 |