| 1.基于词汇语义树的语义检索排名算法 | 第1-66页 |
| 第一章 前言 | 第16-18页 |
| ·研究背景与意义 | 第16页 |
| ·研究内容与研究方法 | 第16-17页 |
| ·本文的内容 | 第17-18页 |
| 第二章 语义计算排名算法的理论模型 | 第18-32页 |
| ·权值计算数学模型 | 第18-29页 |
| ·理论设计思路 | 第18-19页 |
| ·排名算法模型中涉及的一些主要数据结构的说明 | 第19-21页 |
| ·基于语义相关度权值的语义检索计算模型的计算流程图 | 第21页 |
| ·文档对于查询的语义相关度权值的计算 | 第21-29页 |
| ·理论模型中的主要算法 | 第29-32页 |
| ·基于语义相关度计算的索引算法 | 第29-30页 |
| ·基于语义相关度计算的排名算法 | 第30-32页 |
| 第三章 理论模型的系统设计 | 第32-46页 |
| ·检索系统整体运行流程的设计 | 第32-33页 |
| ·系统整体的运行流程 | 第33页 |
| ·系统主要数据结构的设计 | 第33-41页 |
| ·语义树 | 第33-39页 |
| ·系统的其他数据结构 | 第39-41页 |
| ·系统的各计算过程及其相关算法 | 第41-46页 |
| ·原始数据的预处理过程(提取文本主题词的过程) | 第41-43页 |
| ·索引过程 | 第43-44页 |
| ·查询过程 | 第44-45页 |
| ·查询部分系统所有主要算法总体的时间复杂度分析 | 第45页 |
| ·系统启动时的数据装载过程 | 第45-46页 |
| 第四章 系统实验测试结果及其相关的分析和说明 | 第46-57页 |
| ·实验环境 | 第46-47页 |
| ·实验数据 | 第47-48页 |
| ·查询数据集 | 第48页 |
| ·对应各查询信息正确的查询结果文档集 | 第48-49页 |
| ·由原始文档集预处理生成实验文档集 | 第49页 |
| ·实验评测方法 | 第49页 |
| ·实验执行情况 | 第49-55页 |
| ·训练阶段 | 第49-50页 |
| ·测试阶段 | 第50-55页 |
| ·此系统的缺点和不足 | 第55-57页 |
| 第五章 结束语 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 附录 | 第65-66页 |
| 2. The Ranking Algorithm Based on Word Semantic Tree for Semantic Retrieval | 第66-117页 |
| Chapter 1 Introduction | 第66-68页 |
| ·Research Background and Significance | 第66页 |
| ·Research Content and Research Method | 第66-67页 |
| ·The Content of The Paper | 第67-68页 |
| Chapter 2 The Theory Model of Semantic Computing Ranking Algorithm | 第68-84页 |
| ·Weight Computing Mathematic Model | 第68-81页 |
| ·The Thought of Theory Design | 第68-69页 |
| ·The Main Data formats of This Ranking Algorithm Model | 第69-71页 |
| ·The Computing Flow Map of Computing Model for Semantic Retrieval Based on Semantic Relevant Weight | 第71页 |
| ·The Computing of Semantic Relevant Weight between Document and Query | 第71-81页 |
| ·The Main Algorithms of Theory Model | 第81-84页 |
| ·Indexing Algorithm Based on Computing Semantic Relevant Weight | 第81-82页 |
| ·Ranking Algorithm Based on Computing Semantic Relevant Weight | 第82-84页 |
| Chapter 3 The System Design of Theory Model | 第84-102页 |
| ·The Design of General Running Flow of The IR System | 第84-86页 |
| ·General Running Flow of the System | 第85-86页 |
| ·The Design of Main Data Structures of the System | 第86-96页 |
| ·Semantic Tree | 第86-93页 |
| ·Other Data Structures Of The System | 第93-96页 |
| ·The Computing Procedure and Related Algorithm of the System | 第96-102页 |
| ·The Preprocessing Procedure of Initial Data (The Procedure that Extracts Keywords of Text) | 第96-98页 |
| ·Indexing Procedure | 第98页 |
| ·Querying Procedure | 第98-100页 |
| ·General Time Complexity Analysis for Main Algorithms of Querying Procedure | 第100页 |
| ·Loading Data at Startup of The System | 第100-102页 |
| Chapter 4 Test Results of the Experiment and Their Analysis and Explanations | 第102-115页 |
| ·Environment of the Experiment | 第102-103页 |
| ·Data of the Experiment | 第103-104页 |
| ·Query Data Set | 第104-105页 |
| ·The Correct Document Sets of Query Results Corresponding to Query Information | 第105页 |
| ·Producing Experiment Document Set from Initial Document Set | 第105页 |
| ·Evaluation Measures of the Experiment | 第105-106页 |
| ·Implementing of the Experiment | 第106-113页 |
| ·Training Stage | 第106-107页 |
| ·Test Stage | 第107-113页 |
| ·Shortages of the System | 第113-115页 |
| Chapter 5 Inclusions | 第115-117页 |
| 3.关于信息检索排名模型的综述 | 第117-162页 |
| 第一章 研究历史 | 第117-119页 |
| 第二章 信息检索过程 | 第119-121页 |
| 第三章 信息检索排名算法模型 | 第121-152页 |
| ·对信息检索模型的分类 | 第121-122页 |
| ·信息检索模型的形式表示 | 第122-123页 |
| ·经典信息检索模型 | 第123-138页 |
| ·基本概念 | 第123页 |
| ·布尔模型 | 第123-124页 |
| ·向量模型 | 第124-125页 |
| ·概率模型 | 第125-138页 |
| ·经典模型的简要对比 | 第138页 |
| ·集合理论模型 | 第138-142页 |
| ·模糊集模型 | 第138-140页 |
| ·扩展布尔模型 | 第140-142页 |
| ·其它的代数模型 | 第142-146页 |
| ·通用矢量空间模型 | 第142-143页 |
| ·潜语义索引模型 | 第143-145页 |
| ·神经网络模型 | 第145-146页 |
| ·其它概率模型(不确定推理模型) | 第146-149页 |
| ·用于信息检索的非经典逻辑模型 | 第146-148页 |
| ·推理网络模型 | 第148-149页 |
| ·基于web搜索(即搜索引擎)的排名算法 | 第149-152页 |
| 第三章 未来的研究 | 第152-153页 |
| 第四章 结论 | 第153-154页 |
| 参考文献 | 第154-162页 |
| 4. A Survey of Information Retrieval Ranking Models | 第162-206页 |
| Chapter 1 Brief History | 第162-164页 |
| Chapter 2 The Retrieval Process | 第164-166页 |
| Chapter 3 IR Ranking Model | 第166-204页 |
| ·A Kind of Taxonomy of Information Retrieval Models | 第166-168页 |
| ·A Formal Characterization of IR Models | 第168页 |
| ·Classic Information Retrieval | 第168-188页 |
| ·Basic Concepts | 第168-169页 |
| ·Boolean Model | 第169-170页 |
| ·Vector Model | 第170-172页 |
| ·Probabilistic Models | 第172-188页 |
| ·Brief Comparison of Classic Models | 第188页 |
| ·Alternative Set Theoretic Models | 第188-192页 |
| ·Fuzzy Set Model | 第188-190页 |
| ·Extended Boolean Model | 第190-192页 |
| ·Alternative Algebraic Models | 第192-197页 |
| ·Generalized Vector Space Model | 第192-194页 |
| ·Latent Semantic Indexing Model | 第194-195页 |
| ·Neural Network Model | 第195-197页 |
| ·Alternative Probabilistic Models (Uncertain Inference Models) | 第197-201页 |
| ·A Nonclassical Logic for IR | 第197-200页 |
| ·The Inference Network Model | 第200-201页 |
| ·Ranking Algorithms for Web-Based Searches (Search Engine) | 第201-204页 |
| Chapter 4 Future Research | 第204-206页 |
| Chapter 5 Conclusions | 第206页 |
