基于网络挖掘与机器学习技术的相关反馈研究
摘要 | 第1-5页 |
Abstract | 第5-11页 |
1 绪论 | 第11-17页 |
·课题背景 | 第11-12页 |
·相关反馈研究现状 | 第12-14页 |
·课题动机及方法 | 第14页 |
·主要工作及组织结构 | 第14-17页 |
2 信息检索概述 | 第17-35页 |
·Ad hoc信息检索及评价方法 | 第18-22页 |
·准确率和召回率 | 第19-20页 |
·宏平均准确率 | 第20-21页 |
·信息检索评测 | 第21-22页 |
·布尔检索模型 | 第22-23页 |
·向量空间模型 | 第23-26页 |
·概率模型 | 第26-28页 |
·语言模型 | 第28-31页 |
·语言模型的平滑 | 第30-31页 |
·KL语言模型 | 第31页 |
·基于查询扩展的相关反馈 | 第31-34页 |
·向量空间模型中相关反馈 | 第32-33页 |
·概率模型中的相关反馈 | 第33页 |
·语言模型中的相关反馈 | 第33-34页 |
·本章小结 | 第34-35页 |
3 基于主题的相关反馈方法 | 第35-57页 |
·引言 | 第35-36页 |
·相关研究概况 | 第36-38页 |
·基于主题的反馈模型 | 第38-44页 |
·LDA模型 | 第38-40页 |
·LDA模型的平滑 | 第40页 |
·主题推导策略 | 第40-42页 |
·一种基于主题的反馈模型 | 第42-44页 |
·实验设置 | 第44-47页 |
·实验对比模型 | 第44-45页 |
·参数训练 | 第45页 |
·测试数据集和评估 | 第45-47页 |
·实验结果及分析 | 第47-55页 |
·反馈模型性能 | 第47-50页 |
·反馈模型鲁棒性评测 | 第50页 |
·参数K对检索性能的影响 | 第50-52页 |
·模拟相关反馈实验 | 第52-55页 |
·本章小结 | 第55-57页 |
4 基于文档质量偏重的反馈模型 | 第57-73页 |
·引言 | 第57-58页 |
·相关研究工作 | 第58-60页 |
·Rocchio相关反馈模型 | 第58页 |
·DFR概率检索机制 | 第58-60页 |
·Rocchio模型在DFR中的应用 | 第60-61页 |
·基本文档质量偏重模型 | 第61页 |
·基于回归的质量偏重模型 | 第61-66页 |
·SVM回归模型 | 第62-64页 |
·特征选择 | 第64-66页 |
·实验结果及分析 | 第66-72页 |
·实验语料 | 第66页 |
·对比模型和参数训练 | 第66-67页 |
·基本检索模型性能对比 | 第67页 |
·反馈模型的比较 | 第67-70页 |
·参数β对检索性能的影响 | 第70-72页 |
·本章小结 | 第72-73页 |
5 社会化标注在相关反馈中的应用 | 第73-84页 |
·引言 | 第73页 |
·基于社会化标签的相关研究工作 | 第73-74页 |
·社会化标注 | 第74-77页 |
·社会化标注数据集 | 第75页 |
·社会化标注数据集评测 | 第75-77页 |
·本文提出反馈模型 | 第77-80页 |
·语言建模框架下的反馈 | 第77-78页 |
·生成式反馈模型 | 第78-80页 |
·实验设置 | 第80页 |
·测试数据集 | 第80页 |
·对比模型 | 第80页 |
·实验 | 第80-82页 |
·相关反馈模型评测 | 第81-82页 |
·组合资源的评测 | 第82页 |
·本章小结 | 第82-84页 |
6 基于贝叶斯网络的上下文相关反馈模型 | 第84-94页 |
·引言 | 第84-85页 |
·基于贝叶斯网络的上下文相关反馈模型 | 第85-87页 |
·几何距离上下文 | 第87-88页 |
·外部上下文 | 第88-90页 |
·社会化标注数据集 | 第89页 |
·社会化上下文概率估计 | 第89-90页 |
·实验 | 第90-91页 |
·设置 | 第90-91页 |
·参数训练 | 第91页 |
·结论与分析 | 第91-93页 |
·结论与展望 | 第93-94页 |
7. 总结与展望 | 第94-97页 |
·本文工作总结 | 第94-95页 |
·展望 | 第95-97页 |
本文主要创新点 | 第97-98页 |
附录A TREC数据集中查询示例 | 第98-99页 |
附录B TREC数据集中文档示例 | 第99-101页 |
攻读博士学位期间发表学术论文情况 | 第101-103页 |
参考文献 | 第103-110页 |
致谢 | 第110-112页 |
作者简介 | 第112-113页 |