网络用户查询意图分析
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-15页 |
| 1.1.1 网络搜索引擎的发展 | 第10-14页 |
| 1.1.2 网络搜索引擎的特点 | 第14-15页 |
| 1.2 网络用户查询意图识别的相关研究现状 | 第15-17页 |
| 1.2.1 基于用户调查的用户意图识别 | 第15-16页 |
| 1.2.2 搜索日志分析 | 第16页 |
| 1.2.3 自动化的查询分类 | 第16-17页 |
| 1.2.4 总结先前的工作 | 第17页 |
| 1.3 主要内容 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第2章 分类基本原理与常见分类算法 | 第20-28页 |
| 2.1 线性分类 | 第21-22页 |
| 2.2 朴素贝叶斯分类法 | 第22页 |
| 2.3 决策树 | 第22-23页 |
| 2.4 K 近邻算法 | 第23-24页 |
| 2.5 支持向量机 SVM | 第24-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 多维度特征的查询意图识别 | 第28-34页 |
| 3.1 用户的搜索行为 | 第28-30页 |
| 3.2 潜在的网络用户查询意图 | 第30-31页 |
| 3.3 用户查询意图分类体系 | 第31-32页 |
| 3.4 分类特征的提取策略 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 查询意图的分类特征提取 | 第34-42页 |
| 4.1 查询分类特征的分布 | 第34-39页 |
| 4.1.1 nCS 和 nRS 分布 | 第34-36页 |
| 4.1.2 AvgQuery 分布 | 第36-37页 |
| 4.1.3 nTerms 分布 | 第37-38页 |
| 4.1.4 mRank 分布 | 第38-39页 |
| 4.2 查询分类特征的向量表示 | 第39-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第5章 实验设计 | 第42-50页 |
| 5.1 实验流程 | 第42-43页 |
| 5.2 实验数据集介绍 | 第43-44页 |
| 5.3 数据预处理 | 第44-46页 |
| 5.4 查询意图分类模型 | 第46-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第6章 结果分析 | 第50-54页 |
| 6.1 分类器效果评价方法 | 第50-51页 |
| 6.2 实验结果与分析 | 第51-52页 |
| 6.3 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
