| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 概述 | 第12-26页 |
| ·前言 | 第12页 |
| ·语法、语义与语用信息 | 第12-13页 |
| ·用户在检索过程中的信息需求 | 第13-14页 |
| ·排序学习(learning to rank) | 第14-15页 |
| ·查询扩展与语义探索式查询 | 第15-21页 |
| ·查询扩展技术 | 第16-19页 |
| ·语义探索式查询 | 第19-21页 |
| ·语义探索式查询的评价方法 | 第21-22页 |
| ·探索式查询信息组织形式 | 第22-23页 |
| 参考文献 | 第23-26页 |
| 第二章 简要语用信息检索结果排序学习 | 第26-66页 |
| ·信息检索中的机器学习 | 第26-28页 |
| ·目前常用的机器学习方法 | 第27-28页 |
| ·语义知识与信息生成原理 | 第28-30页 |
| ·信息分类方法 | 第28页 |
| ·知识及其产生机制 | 第28-30页 |
| ·正向实例学习(positive label learning)——少量的语用信息可以生成语义信息 | 第30-35页 |
| ·正向实例学习方法 | 第30-35页 |
| ·启发式多标签分类——利用先验知识(常识性知识)提高性能 | 第35-41页 |
| ·模糊标签分类 | 第35-41页 |
| ·模糊标签分类定义 | 第35-36页 |
| ·学习方法与计算实例 | 第36-41页 |
| ·知识库与语用设置——扩大人工标注在分类中的作用 | 第41-50页 |
| ·概述 | 第42页 |
| ·知识库与集合理论节点相似度计算 | 第42-50页 |
| ·基于语义知识库的启发式分类 | 第50-57页 |
| ·改进的正向实例分类 | 第50-54页 |
| ·语义知识库启发式分类 | 第54-56页 |
| ·简要语用信息检索结果排序学习原理总结 | 第56-57页 |
| ·实验 | 第57-62页 |
| ·实验1:用户经验确认标注量百分比(p值)比较 | 第57-59页 |
| ·实验2:用户指定标签覆盖度比较 | 第59-60页 |
| ·实验3:本文方法与B-Pr比较 | 第60-62页 |
| ·小结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 第三章 探索式查询导引系统 | 第66-93页 |
| ·用户信息需求 | 第66-69页 |
| ·探索式查询系统框架 | 第69-71页 |
| ·其他探索式查询系统 | 第70-71页 |
| ·探索式查询系统的评价方法 | 第71-74页 |
| ·评价内容 | 第71-72页 |
| ·探索式查询系统评价指标 | 第72-74页 |
| ·查询导引结构的设计简述 | 第74-75页 |
| ·基于评价指标的探索式查询导引结构设计指导原则 | 第75-76页 |
| ·探索式查询系统关键技术 | 第76-88页 |
| ·领域关键词提取 | 第79-83页 |
| ·聚类与层级结构生成 | 第83-84页 |
| ·词与词之间关系的确定 | 第84-86页 |
| ·详细导引结构与总体设计与原理 | 第86页 |
| ·特定领域探索式查询导引详细设计 | 第86-88页 |
| ·小结 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 第四章 基于关键词的导引语义框架生成 | 第93-126页 |
| ·查询导引语义框架生成机制与技术 | 第93-95页 |
| ·查询导引中的语义生成机制 | 第93-94页 |
| ·查询导引语义框架生成机制 | 第94-95页 |
| ·领域关键词提取 | 第95-108页 |
| ·概述 | 第96-97页 |
| ·基于LSA的领域关键词提取方法 | 第97-99页 |
| ·停用词表 | 第99页 |
| ·领域关键词矩阵专家调整 | 第99-100页 |
| ·领域关键词LSA相似度计算示例 | 第100-102页 |
| ·实验 | 第102-108页 |
| ·实验1:适用文本量分析 | 第102-106页 |
| ·实验2:检索结果语料关键词矩阵(无chunk与专家调整)提取的准确率与召回率统计 | 第106-107页 |
| ·实验3:领域关键词库(包含chunk与专家调整)提取结果性能统计 | 第107-108页 |
| ·小结 | 第108页 |
| ·查询导引层级结构生成 | 第108-124页 |
| ·引言 | 第108页 |
| ·基于聚类主题划分的查询扩展 | 第108-110页 |
| ·聚类常用方法 | 第110页 |
| ·词聚类预处理 | 第110-111页 |
| ·词主题聚类方法 | 第111-114页 |
| ·改进的LSA聚类 | 第114-115页 |
| ·实验方法与结果 | 第115-117页 |
| ·基于领域控制的检索结果文本主题分割及主题关键词提取 | 第117-124页 |
| ·检索中领域关键词库的使用与维护 | 第117-119页 |
| ·基于相似度计算的主题代表词生成与聚类主题个数确定 | 第119-120页 |
| ·实验 | 第120-124页 |
| ·层次结构生成 | 第124页 |
| 参考文献 | 第124-126页 |
| 第五章 词关系分类 | 第126-142页 |
| ·词关系分类 | 第126-127页 |
| ·基于模式的词与词分类关系研究——准确率优先 | 第127-134页 |
| ·相关工作 | 第127-129页 |
| ·模式聚类算法 | 第129-131页 |
| ·关系分类 | 第131-132页 |
| ·实验设置 | 第132-134页 |
| ·基于SVM的词与词关系分类——召回率优先 | 第134-139页 |
| ·问题描述 | 第134页 |
| ·特征提取 | 第134-135页 |
| ·待分类词对特征提取 | 第135-136页 |
| ·SVM训练 | 第136页 |
| ·类别判定 | 第136页 |
| ·特征空间扩展 | 第136-137页 |
| ·Wordnet特征空间扩展 | 第137-138页 |
| ·实验 | 第138-139页 |
| ·小结 | 第139页 |
| 参考文献 | 第139-142页 |
| 第六章 探索式查询系统评价与研究展望 | 第142-153页 |
| ·探索式查询系统评价 | 第142-151页 |
| ·探索式查询系统评价指标 | 第143-145页 |
| ·探索式查询系统性能 | 第145-147页 |
| ·实例测试 | 第147-150页 |
| ·小结 | 第150-151页 |
| ·探索式查询系统研究小结与展望 | 第151-152页 |
| 参考文献 | 第152-153页 |
| 致谢 | 第153-154页 |
| 已发表论文 | 第154页 |
