| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义和目标 | 第11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 基于短文本的分析方法 | 第11-12页 |
| 1.3.2 基于点击图的分析方法 | 第12-13页 |
| 1.4 研究内容和难点 | 第13-15页 |
| 1.5 本文结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 相关技术概述 | 第17-28页 |
| 2.1 检索意图识别概述 | 第17-19页 |
| 2.1.1 目标类目分类 | 第17-18页 |
| 2.1.2 检索串分类方法 | 第18-19页 |
| 2.2 常用分类算法 | 第19-24页 |
| 2.2.1 支持向量机算法 | 第19-21页 |
| 2.2.2 逻辑斯蒂回归算法 | 第21页 |
| 2.2.3 朴素贝叶斯算法 | 第21-22页 |
| 2.2.4 决策树算法 | 第22-23页 |
| 2.2.5 随机森林算法 | 第23-24页 |
| 2.3 Session切分算法 | 第24-25页 |
| 2.4 深度学习语言模型 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 视频检索意图强度识别框架与特征抽取 | 第28-42页 |
| 3.1 视频检索意图强度识别框架 | 第28-29页 |
| 3.2 特征设计与提取 | 第29-40页 |
| 3.2.1 基于文本的特征(BTF) | 第30-33页 |
| 3.2.2 基于视频站点的统计特征(VHSF) | 第33-35页 |
| 3.2.3 基于搜索引擎结果类型的统计特征(SERP) | 第35-36页 |
| 3.2.4 基于深度语言模型的特征(VECF) | 第36-38页 |
| 3.2.5 基于session的特征(USF) | 第38-40页 |
| 3.3 模型评价指标 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 视频检索意图强度识别实验设计与结果分析 | 第42-53页 |
| 4.1 实验数据集分析构造 | 第42-44页 |
| 4.1.1 神马搜索引擎检索日志基本信息 | 第42-43页 |
| 4.1.2 数据抽样与人工标注 | 第43页 |
| 4.1.3 实验数据集构造 | 第43-44页 |
| 4.2 数据预处理 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-52页 |
| 4.3.1 文本特征选择方法对分类结果的影响 | 第45-48页 |
| 4.3.2 特征组合对分类结果的影响 | 第48-51页 |
| 4.3.3 不同分类模型结果对比 | 第51页 |
| 4.3.4 训练样本数对分类结果的影响 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 视频检索意图强度时序变化分析挖掘 | 第53-60页 |
| 5.1 日志数据切分 | 第53-54页 |
| 5.2 视频检索串分类和抽取 | 第54-55页 |
| 5.3 模型预测和实验结果分析 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间主要经历 | 第66-67页 |
| 致谢 | 第67页 |