基于深度学习的个性化引文搜索推荐算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 个性化搜索算法研究现状 | 第12-14页 |
| 1.2.2 引文推荐研究现状 | 第14-16页 |
| 1.3 研究主要内容 | 第16-17页 |
| 1.4 研究方法和技术路线 | 第17-18页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 技术路线 | 第18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第二章 相关基础理论与技术简介 | 第20-33页 |
| 2.1 个性化搜索引擎及其相关算法 | 第20-27页 |
| 2.1.1 Lucene搜索引擎简介 | 第20-21页 |
| 2.1.2 Lucene搜索引擎原理 | 第21-23页 |
| 2.1.3 Lucene排序算法 | 第23-25页 |
| 2.1.4 长短期记忆网络 | 第25-26页 |
| 2.1.5 序列到序列模型原理 | 第26-27页 |
| 2.2 引文推荐算法 | 第27-32页 |
| 2.2.1 引文推荐相关理论 | 第27-28页 |
| 2.2.2 Word2vec模型 | 第28-30页 |
| 2.2.3 PageRank算法 | 第30-31页 |
| 2.2.4 重启随机游走算法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 个性化搜索算法设计 | 第33-48页 |
| 3.1 基于Seq2Seq用户兴趣模型构建 | 第33-39页 |
| 3.1.1 模型整体结构 | 第34-35页 |
| 3.1.2 数据预处理词表构建 | 第35页 |
| 3.1.3 Embeding处理层 | 第35-37页 |
| 3.1.4 Encoder层构建 | 第37-38页 |
| 3.1.5 Attention层构建 | 第38-39页 |
| 3.1.6 Decoder层构建 | 第39页 |
| 3.2 基于Seq2Seq模型的个性化搜索算法 | 第39-41页 |
| 3.2.1 模型构建 | 第39-40页 |
| 3.2.2 算法流程 | 第40-41页 |
| 3.2.3 算法分析 | 第41页 |
| 3.3 实验与分析 | 第41-47页 |
| 3.3.1 实验数据 | 第42页 |
| 3.3.2 实验环境和度量标准 | 第42-43页 |
| 3.3.3 实验结果分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 引文推荐算法设计 | 第48-63页 |
| 4.1 引文数据预处理 | 第48-50页 |
| 4.1.1 论文向量表示 | 第48-49页 |
| 4.1.2 论文ID向量表示 | 第49-50页 |
| 4.1.3 论文作者向量表示 | 第50页 |
| 4.2 多因子融合引文推荐算法 | 第50-57页 |
| 4.2.1 整体影响力因子 | 第51-53页 |
| 4.2.2 局部活跃度因子 | 第53-54页 |
| 4.2.3 查询相关度因子 | 第54-56页 |
| 4.2.4 作者相关度因子 | 第56页 |
| 4.2.5 多因子融合模型 | 第56-57页 |
| 4.3 实验与分析 | 第57-62页 |
| 4.3.1 实验数据 | 第57-58页 |
| 4.3.2 实验环境与度量标准 | 第58-59页 |
| 4.3.3 实验结果分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 个性化引文搜索推荐系统实现 | 第63-70页 |
| 5.1 系统总体框架 | 第63-64页 |
| 5.2 系统实现 | 第64-67页 |
| 5.2.1 运行环境 | 第64-65页 |
| 5.2.2 索引结构 | 第65页 |
| 5.2.3 个性化搜索 | 第65-67页 |
| 5.3 系统效果与分析 | 第67-69页 |
| 5.3.1 系统效果 | 第67-68页 |
| 5.3.2 推荐结果对比 | 第68-69页 |
| 5.3.3 系统评价 | 第69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
