| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 课题的背景 | 第9-10页 |
| 1.1.2 课题的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要研究内容和预期研究成果 | 第14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第2章 查询意图分类相关理论 | 第17-29页 |
| 2.1 查询意图概念界定和定义 | 第17页 |
| 2.2 Broder的查询意图分类体系及发展 | 第17-19页 |
| 2.3 已提出的用于分类的特征 | 第19-24页 |
| 2.3.1 N Clicks Satisfied | 第20-21页 |
| 2.3.2 Top n Results Satisfied | 第21-22页 |
| 2.3.3 平均编辑距离 | 第22页 |
| 2.3.4 点击链接的PageRank | 第22-23页 |
| 2.3.5 点击熵和域名点击熵 | 第23-24页 |
| 2.4 用于查询意图分类的方法 | 第24-27页 |
| 2.4.1 决策树分类 | 第24-26页 |
| 2.4.2 贝叶斯分类 | 第26页 |
| 2.4.3 支持向量机 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 查询日志的处理与分析 | 第29-41页 |
| 3.1 查询日志 | 第29-30页 |
| 3.1.1 搜索日志的类型 | 第29页 |
| 3.1.2 本文用到的查询日志简介 | 第29-30页 |
| 3.2 基于噪声消除的日志预处理 | 第30-31页 |
| 3.3 基于时间间隔的session识别 | 第31-34页 |
| 3.4 查询日志的统计结果分析 | 第34-36页 |
| 3.4.1 查询长度分析 | 第34页 |
| 3.4.2 查询频度 | 第34-35页 |
| 3.4.3 Session相关分析 | 第35-36页 |
| 3.5 训练集和测试集的生成 | 第36-39页 |
| 3.5.1 基于泊松抽样的样本查询抽取 | 第36-38页 |
| 3.5.2 人工标注 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 基于改进ID3的查询意图分类算法 | 第41-51页 |
| 4.1 决策树分类 | 第41-42页 |
| 4.2 ID3算法的基本原理和存在的问题 | 第42-46页 |
| 4.2.1 基本概念 | 第43页 |
| 4.2.2 ID3算法的核心思想 | 第43-45页 |
| 4.2.3 ID3算法的优点和存在的问题 | 第45-46页 |
| 4.3 ID3算法的改进与优化方案 | 第46-48页 |
| 4.4 本文改进的ID3算法描述 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 实验及结果分析 | 第51-59页 |
| 5.1 实验平台及环境 | 第51页 |
| 5.2 使用UCI数据集验证改进的算法 | 第51-53页 |
| 5.2.1 UCI数据集简介 | 第51页 |
| 5.2.2 实验一:利用UCI数据集验证改进的ID3算法 | 第51-53页 |
| 5.3 改进ID3算法在用户查询意图分类上的应用 | 第53-56页 |
| 5.3.1 实验二:预备实验 | 第54-55页 |
| 5.3.2 实验三:查询意图分类 | 第55-56页 |
| 5.4 分类模型的性能评价 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |