基于机器学习的个性化信息检索的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 目的及意义 | 第12-13页 |
| 1.2 现状及发展趋势 | 第13-15页 |
| 1.2.1 国内外研究现状 | 第13-15页 |
| 1.2.2 发展趋势 | 第15页 |
| 1.3 论文主要内容及结构 | 第15-17页 |
| 第2章 相关知识介绍 | 第17-25页 |
| 2.1 传统信息检索相关术语 | 第17-18页 |
| 2.2 学习排序 | 第18-20页 |
| 2.3 LambdaMART | 第20-21页 |
| 2.4 梯度提升决策树 | 第21页 |
| 2.5 爬虫 | 第21-22页 |
| 2.6 评价指标 | 第22-24页 |
| 2.6.1 准确率和召回率 | 第22-23页 |
| 2.6.2 NDCG | 第23页 |
| 2.6.3 MAP | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 个性化检索模型 | 第25-36页 |
| 3.1 LambdaMART研究基础 | 第25-30页 |
| 3.1.1 RankNet | 第25-27页 |
| 3.1.2 LambdaRank | 第27-28页 |
| 3.1.3 GBDT | 第28-30页 |
| 3.1.4 LambdaMART | 第30页 |
| 3.2 算法改进 | 第30-33页 |
| 3.2.1 提出问题 | 第30-31页 |
| 3.2.2 LambdaMART的改进 | 第31-33页 |
| 3.3 个性化信息检索模型 | 第33-35页 |
| 3.3.1 个性化特征 | 第33-34页 |
| 3.3.2 个性化信息隐私的保护 | 第34-35页 |
| 3.3.3 个性化信息加入检索模型 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 搜索引擎的设计 | 第36-44页 |
| 4.1 总体设计 | 第36-37页 |
| 4.1.1 索引的创建 | 第36-37页 |
| 4.1.2 检索模型 | 第37页 |
| 4.2 检索数据的获取 | 第37-39页 |
| 4.3 倒排文件的建立 | 第39-43页 |
| 4.3.1 词典库的创建 | 第39-40页 |
| 4.3.2 倒排的创建 | 第40页 |
| 4.3.3 文档特征的提取 | 第40-43页 |
| 4.4 模型训练以及应用 | 第43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 测试数据实验与系统验证 | 第44-54页 |
| 5.1 测试数据实验 | 第44-48页 |
| 5.1.1 改进后的LambdaMART | 第44-46页 |
| 5.1.2 不同算法排序效果对比 | 第46-48页 |
| 5.2 系统调试以及验证 | 第48-53页 |
| 5.2.1 数据爬取 | 第48页 |
| 5.2.2 索引的建立 | 第48-50页 |
| 5.2.3 加入个性化信息的日志数据实验验证 | 第50-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
