基于特征选择的排序学习算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 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 |
| 1.2.1 排序学习研究现状 | 第12-13页 |
| 1.2.2 特征选择研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-16页 |
| 2 相关工作 | 第16-30页 |
| 2.1 机器学习 | 第16页 |
| 2.2 排序学习 | 第16-21页 |
| 2.2.1 文本检索模型 | 第16-17页 |
| 2.2.2 排序学习模型 | 第17-20页 |
| 2.2.3 LambdaMARTRanking | 第20-21页 |
| 2.3 特征选择 | 第21-26页 |
| 2.3.1 基本概念 | 第21-22页 |
| 2.3.2 基本框架 | 第22-23页 |
| 2.3.3 特征选择算法分类 | 第23-26页 |
| 2.3.4 特征选择的作用 | 第26页 |
| 2.4 排序结果评价标准 | 第26-28页 |
| 2.4.1 准确率和召回率 | 第26-27页 |
| 2.4.2 MAP | 第27-28页 |
| 2.4.3 NDCG | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 面向排序学习的层次聚类特征选择算法 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.1.1 背景介绍及分析 | 第30-31页 |
| 3.2 特征选择算法 | 第31-32页 |
| 3.2.1 概述 | 第31页 |
| 3.2.2 特征相关性评测 | 第31页 |
| 3.2.3 特征相似性评测 | 第31-32页 |
| 3.2.4 优化方式 | 第32页 |
| 3.3 层次聚类算法 | 第32-36页 |
| 3.3.1 层次聚类算法简介 | 第32-34页 |
| 3.3.2 算法流程 | 第34-35页 |
| 3.3.3 层次聚类算法分析 | 第35-36页 |
| 3.4 算法流程 | 第36-38页 |
| 3.4.1 通过层次聚类产生初始点的贪婪选择算法 | 第36-37页 |
| 3.4.2 结合层次聚类的特征选择算法 | 第37-38页 |
| 3.5 实验设置 | 第38-39页 |
| 3.5.1 数据集 | 第38页 |
| 3.5.2 评估指标 | 第38页 |
| 3.5.3 排序模型 | 第38-39页 |
| 3.6 实验结果 | 第39-43页 |
| 3.6.1 MQ2008数据集实验结果 | 第39-41页 |
| 3.6.2 OHSUMED数据集实验结果 | 第41-43页 |
| 3.7 本章小结 | 第43-44页 |
| 4 面向排序学习的一种前向-后向贪婪特征选择算法 | 第44-54页 |
| 4.1 引言 | 第44-45页 |
| 4.1.1 问题分析及解决方法介绍 | 第44-45页 |
| 4.2 通用框架介绍 | 第45-48页 |
| 4.2.1 问题数学化 | 第45页 |
| 4.2.2 相似性评测 | 第45-46页 |
| 4.2.3 选择最佳特征 | 第46页 |
| 4.2.4 前向-后向特征选择算法描述 | 第46页 |
| 4.2.5 GF-BASRank | 第46-48页 |
| 4.3 实验设置及结果 | 第48-53页 |
| 4.3.1 数据集 | 第48-49页 |
| 4.3.2 评价方式 | 第49页 |
| 4.3.3 实验设置 | 第49页 |
| 4.3.4 实验结果 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录A 核心算法代码 | 第60-63页 |
| 攻读学位期间的研究成果 | 第63页 |
