元搜索中基于日志和语料的查询推荐模型的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 论文工作内容 | 第19页 |
| 1.4 本文组织结构 | 第19-23页 |
| 第二章 理论基础与关键技术 | 第23-35页 |
| 2.1 元搜索引擎技术 | 第23-24页 |
| 2.2 推荐模型相关技术 | 第24-31页 |
| 2.2.1 协同过滤推荐模型 | 第24-27页 |
| 2.2.2 分词技术 | 第27-28页 |
| 2.2.3 语义相似性度量 | 第28-30页 |
| 2.2.4 查询推荐模型常用的数据集 | 第30-31页 |
| 2.3 查询推荐结果评价机制 | 第31-33页 |
| 2.3.1 评价方法 | 第31-32页 |
| 2.3.2 评价指标 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于日志和语料的查询推荐模型的设计 | 第35-51页 |
| 3.1 元搜索引擎中查询推荐模型的框架设计 | 第35-38页 |
| 3.2 基于日志的查询推荐策略 | 第38-42页 |
| 3.2.1 推荐策略概要设计 | 第38-39页 |
| 3.2.2 构建查询链接二部图 | 第39-40页 |
| 3.2.3 生成候选推荐查询 | 第40-41页 |
| 3.2.4 基于主题概念的推荐查询词集 | 第41-42页 |
| 3.3 基于语料的查询推荐策略 | 第42-49页 |
| 3.3.1 推荐策略概要设计 | 第43-44页 |
| 3.3.2 基于查询项图的相似性计算方法 | 第44-48页 |
| 3.3.3 候选查询合理性的计算方法 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 元搜索引擎中查询推荐模型的实现 | 第51-61页 |
| 4.1 “智搜”元搜索引擎系统实现 | 第51-54页 |
| 4.1.1 系统功能结构 | 第51-52页 |
| 4.1.2 系统工作模式 | 第52-54页 |
| 4.2 基于日志的推荐策略的实现 | 第54-56页 |
| 4.3 基于语料的推荐策略的实现 | 第56-59页 |
| 4.3.1 查询间相似性计算方法实现 | 第56-57页 |
| 4.3.2 查询合理性计算方法实现 | 第57-59页 |
| 4.4 查询推荐模型整体流程实现 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 实验设计与结果分析 | 第61-69页 |
| 5.1 实验环境 | 第61页 |
| 5.2 实验数据 | 第61-62页 |
| 5.3 评价指标 | 第62-64页 |
| 5.4 实验结果 | 第64-67页 |
| 5.4.1 实验结果展示 | 第64页 |
| 5.4.2 与成熟搜索引擎推荐结果对比 | 第64-65页 |
| 5.4.3 各推荐策略间相互对比 | 第65-66页 |
| 5.4.4 举例分析 | 第66-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69页 |
| 6.2 进一步的研究方向 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |
