| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-26页 |
| 1.1 背景意义 | 第15-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 搜索任务提取 | 第17页 |
| 1.2.2 面向搜索满意度的用户行为研究 | 第17-18页 |
| 1.2.3 搜索满意度评估 | 第18-22页 |
| 1.3 研究内容 | 第22-24页 |
| 1.4 论文组织结构 | 第24-26页 |
| 第2章 预备知识 | 第26-29页 |
| 2.1 概念定义 | 第26-27页 |
| 2.2 问题描述 | 第27-29页 |
| 第3章 基于长短时记忆循环神经网络的搜索满意度评估 | 第29-47页 |
| 3.1 概述 | 第29-31页 |
| 3.2 相关技术 | 第31-32页 |
| 3.2.1 数据增强 | 第31页 |
| 3.2.2 长短时记忆循环神经网络 | 第31-32页 |
| 3.3 方法 | 第32-36页 |
| 3.3.1 总体框架 | 第32-34页 |
| 3.3.2 基于停留时间微扰的数据增强策略 | 第34-35页 |
| 3.3.3 基于虚拟停留行为的序列标准化 | 第35-36页 |
| 3.3.4 行为嵌入 | 第36页 |
| 3.4 实验评估 | 第36-46页 |
| 3.4.1 实验数据 | 第36-37页 |
| 3.4.2 实验设置 | 第37-38页 |
| 3.4.3 实验结果 | 第38-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 用于搜索满意度评估的区域行为长短时记忆循环神经网络 | 第47-68页 |
| 4.1 概述 | 第47-50页 |
| 4.2 方法 | 第50-57页 |
| 4.2.1 鼠标交互序列提取 | 第50-52页 |
| 4.2.2 基于多因子扰动的数据增强 | 第52-54页 |
| 4.2.3 行为表示和区域表示 | 第54页 |
| 4.2.4 区域行为长短时记忆循环神经网络 | 第54-57页 |
| 4.3 实验评估 | 第57-67页 |
| 4.3.1 实验数据 | 第58页 |
| 4.3.2 实验设置 | 第58-60页 |
| 4.3.3 实验结果 | 第60-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 基于多视图半监督学习的搜索满意度评估 | 第68-89页 |
| 5.1 概述 | 第68-69页 |
| 5.2 相关技术 | 第69-71页 |
| 5.3 方法 | 第71-79页 |
| 5.3.1 总体框架 | 第71-73页 |
| 5.3.2 生成模型 | 第73-77页 |
| 5.3.3 行为视图和时间视图的协同 | 第77-79页 |
| 5.4 实验评估 | 第79-88页 |
| 5.4.1 实验数据 | 第79-80页 |
| 5.4.2 实验设置 | 第80页 |
| 5.4.3 实验结果 | 第80-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第6章 融合多视图半监督学习和多视图主动学习的搜索满意度评估 | 第89-107页 |
| 6.1 概述 | 第89-90页 |
| 6.2 相关技术 | 第90-91页 |
| 6.3 方法 | 第91-100页 |
| 6.3.1 总体框架 | 第91-92页 |
| 6.3.2 基于多视图的半监督学习方法 | 第92-95页 |
| 6.3.3 基于整合选择策略的主动学习方法 | 第95-98页 |
| 6.3.4 多视图半监督学习与多视图主动学习的融合 | 第98-100页 |
| 6.4 实验评估 | 第100-106页 |
| 6.4.1 实验数据 | 第100页 |
| 6.4.2 实验设置 | 第100-101页 |
| 6.4.3 实验结果 | 第101-106页 |
| 6.5 本章小结 | 第106-107页 |
| 第7章 总结与展望 | 第107-110页 |
| 7.1 总结 | 第107-109页 |
| 7.2 展望 | 第109-110页 |
| 参考文献 | 第110-124页 |
| 攻读博士学位期间的主要研究成果 | 第124-125页 |
| 致谢 | 第125页 |
