| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·主要内容与论文安排 | 第12-15页 |
| 第2章 基本概念 | 第15-23页 |
| ·机器学习 | 第15-16页 |
| ·特征选择 | 第16-17页 |
| ·排序学习 | 第17-19页 |
| ·敏感代价排序学习算法和基于位置的敏感代价排序学习算法 | 第19页 |
| ·排序评价指标 | 第19-22页 |
| ·查准率和召回率 | 第19-20页 |
| ·平均准确率 MAP（Mean Average Precision） | 第20-21页 |
| ·NDCG（Normalized discounted cumulative gain） | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 特征提取与选择 | 第23-33页 |
| ·特征提取 | 第23-26页 |
| ·词频 TF（term frequency） | 第23页 |
| ·逆向文件频率 IDF（Inverse document frequency） | 第23-24页 |
| ·布尔模型 | 第24页 |
| ·空间向量机模型（VSM） | 第24页 |
| ·BM25 | 第24-25页 |
| ·提取的特征列表 | 第25-26页 |
| ·答案标注 | 第26-27页 |
| ·特征选择 | 第27-32页 |
| ·特征重要性 | 第28页 |
| ·特征相似度 | 第28页 |
| ·用于排序的特征选择方法 | 第28-29页 |
| ·适应排序学习特征选择的锦标赛排序算法 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 排序学习算法 | 第33-50页 |
| ·排序学习与排序支持向量机 | 第34-40页 |
| ·排序学习 | 第34-35页 |
| ·排序支持向量机 | 第35-40页 |
| ·敏感代价的排序学习算法 | 第40-43页 |
| ·排序支持向量机的损失函数 | 第40-41页 |
| ·敏感代价的排序损失函数 | 第41-43页 |
| ·基于位置的敏感代价排序算法 | 第43-45页 |
| ·基于位置的敏感代价的排序损失函数 | 第44-45页 |
| ·排序算法实现 | 第45-49页 |
| ·梯度下降法 | 第45-46页 |
| ·梯度下降法优化的损失函数 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 实验系统设计与实验结果 | 第50-61页 |
| ·实验系统总体结构 | 第50页 |
| ·数据平台及数据集获取 | 第50-53页 |
| ·实验结果分析 | 第53-60页 |
| ·原始答案序列分析 | 第53-54页 |
| ·原始数据集 | 第54-56页 |
| ·特征选择后的数据集 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |
