摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第14-28页 |
1.1 课题研究的背景和意义 | 第14-15页 |
1.2 个性化信息检索的研究现状及发展趋势 | 第15-26页 |
1.2.1 搜索日志分析 | 第15-18页 |
1.2.2 个性化检索中的用户兴趣模型 | 第18-23页 |
1.2.3 个性化信息检索的主要方法 | 第23-25页 |
1.2.4 个性化检索发展趋势 | 第25-26页 |
1.3 主要研究内容 | 第26-28页 |
第2章 搜索日志中的用户历史分析 | 第28-49页 |
2.1 引言 | 第28页 |
2.2 搜索日志中的用户历史识别 | 第28-33页 |
2.2.1 用户历史的类型 | 第29-30页 |
2.2.2 长短期历史的识别 | 第30-33页 |
2.3 用户历史的表示与相关性计算 | 第33-35页 |
2.3.1 用户历史的表示 | 第33-34页 |
2.3.2 相关性计算 | 第34-35页 |
2.4 短期历史与当前检索的相关性 | 第35-39页 |
2.4.1 短期历史与当前检索的相关性分析 | 第35-37页 |
2.4.2 短期历史与用户信息需求的相关性分析 | 第37-39页 |
2.5 长期历史与当前检索的相关性 | 第39-43页 |
2.5.1 长期历史与当前检索的相关性分析 | 第39-40页 |
2.5.2 长期历史与用户信息需求的相关性 | 第40-43页 |
2.6 长短期历史影响检索性能的原因 | 第43-48页 |
2.7 本章小结 | 第48-49页 |
第3章 基于短期历史权重预测的个性化检索方法 | 第49-76页 |
3.1 引言 | 第49页 |
3.2 基于用户短期历史的个性化检索模型 | 第49-54页 |
3.2.1 基于用户短期历史的模型框架 | 第49-50页 |
3.2.2 融入短期历史的查询模型的估计 | 第50-53页 |
3.2.3 短期历史模型的权重估计 | 第53-54页 |
3.3 基于SVM回归的用户短期历史权重预测 | 第54-63页 |
3.3.1 短期历史权重预测模型 | 第54-56页 |
3.3.2 短期历史权重预测的特征获取 | 第56-61页 |
3.3.3 短期历史权重预测模型的训练 | 第61-63页 |
3.4 实验及其结果分析 | 第63-74页 |
3.4.1 实验数据和评价方法 | 第63-65页 |
3.4.2 短期历史权重估计的对比实验 | 第65页 |
3.4.3 结果分析 | 第65-74页 |
3.5 本章小结 | 第74-76页 |
第4章 基于长期历史增量层次聚类的个性化检索方法 | 第76-96页 |
4.1 引言 | 第76页 |
4.2 基于用户长期历史的个性化检索模型 | 第76-82页 |
4.2.1 基于长期历史的个性化检索模型框架 | 第77-78页 |
4.2.2 用户长期兴趣模型的估计 | 第78-82页 |
4.3 基于增量层次聚类的用户长期兴趣树的建模 | 第82-86页 |
4.3.1 用户长期历史的分类和聚类 | 第82页 |
4.3.2 用户兴趣树的增量层次聚类 | 第82-86页 |
4.4 实验及其结果分析 | 第86-95页 |
4.4.1 实验设置 | 第86-89页 |
4.4.2 总体检索性能的比较 | 第89-91页 |
4.4.3 历史长度对检索性能的影响 | 第91-92页 |
4.4.4 类间距离阈值对检索性能的影响 | 第92-93页 |
4.4.5 结果分析 | 第93-95页 |
4.5 本章小结 | 第95-96页 |
第5章 基于长短期历史融合的个性化检索模型 | 第96-116页 |
5.1 引言 | 第96页 |
5.2 短期历史和长期历史对检索结果的影响 | 第96-97页 |
5.3 基于用户历史的个性化检索模型 | 第97-100页 |
5.3.1 基于用户历史的检索模型框架 | 第97-98页 |
5.3.2 基于相关模型的检索模型构建 | 第98-99页 |
5.3.3 模型估计中的长短期历史融合 | 第99-100页 |
5.4 实验及其结果分析 | 第100-113页 |
5.4.1 实验一:用户历史对不同用户提交的查询的检索性能的影响 | 第100-108页 |
5.4.2 实验二:长短期历史对每个用户的检索性能的影响 | 第108-113页 |
5.5 讨论 | 第113-114页 |
5.6 本章小结 | 第114-116页 |
结论 | 第116-118页 |
参考文献 | 第118-131页 |
攻读博士学位期间发表的论文及其它成果 | 第131-134页 |
致谢 | 第134-135页 |
个人简历 | 第135页 |