RankNet学习排序算法的一种改进
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 学习排序研究现状 | 第10-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 本文研究章节结构 | 第14-16页 |
| 第2章 网页排序的概述 | 第16-30页 |
| 2.1 搜索引擎的工作原理及其作用 | 第16-20页 |
| 2.2 网页排序评价标准 | 第20-26页 |
| 2.2.1 单个查询的评价指标 | 第21-25页 |
| 2.2.2 多个查询的评价指标 | 第25-26页 |
| 2.3 学习排序算法 | 第26-29页 |
| 2.3.1 基于PointWise的学习排序算法 | 第26-27页 |
| 2.3.2 基于PairWise学习排序算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 RankNet算法及其改进 | 第30-50页 |
| 3.1 引言 | 第30-31页 |
| 3.2 RankNet算法介绍 | 第31-32页 |
| 3.3 RankNet的损失函数 | 第32-37页 |
| 3.4 RankNet的训练模型 | 第37-43页 |
| 3.5 对RankNet算法的改进 | 第43-49页 |
| 3.5.1 对损失函数的改进 | 第43-46页 |
| 3.5.2 对查询文档分布不均的改进 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 算法的实验和分析 | 第50-65页 |
| 4.1 实验的实现过程 | 第50-58页 |
| 4.1.1 训练集的采集过程 | 第50-52页 |
| 4.1.2 样本的划分和交叉验证 | 第52-53页 |
| 4.1.3 样本数据的处理 | 第53-54页 |
| 4.1.4 神经网络的创建与初始化 | 第54-55页 |
| 4.1.5 RankNet排序模型的训练 | 第55-58页 |
| 4.2 实验结果分析 | 第58-64页 |
| 4.2.1 交叉熵和均方差作损失函数的分析 | 第58-60页 |
| 4.2.2 RankNet算法和改进后的实验分析 | 第60-64页 |
| 4.2.3 RankNet改进算法和其他算法对比 | 第64页 |
| 4.3 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
