基于深度学习的排序模型的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究创新点总结 | 第12-13页 |
| 1.4 硕士研究生期间的工作总结 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 背景理论及相关技术介绍 | 第15-23页 |
| 2.1 深度学习简介 | 第15-22页 |
| 2.1.1 深度学习概述 | 第15-16页 |
| 2.1.2 神经网络结构介绍 | 第16-20页 |
| 2.1.3 深度学习框架介绍 | 第20-22页 |
| 2.2 本章小结 | 第22-23页 |
| 第三章 常用排序方法的介绍与分析 | 第23-39页 |
| 3.1 常用排序方法介绍 | 第23-24页 |
| 3.2 排序学习模型训练方法 | 第24-27页 |
| 3.2.1 Pointwise方法 | 第25页 |
| 3.2.2 Pairwise方法 | 第25-26页 |
| 3.2.3 Listwise方法 | 第26-27页 |
| 3.3 常用算法模型和评价指标 | 第27-32页 |
| 3.3.1 常用算法模型 | 第28-30页 |
| 3.3.2 常用评价指标 | 第30-32页 |
| 3.4 排序模型关键问题分析 | 第32-38页 |
| 3.4.1 训练集构造方法 | 第32-33页 |
| 3.4.2 历史行为数据处理方法 | 第33-36页 |
| 3.4.3 排序模型设计方法 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于深度学习的排序模型关键问题研究 | 第39-54页 |
| 4.1 排序模型训练方法选择 | 第39-40页 |
| 4.2 排序打分算法模型设计 | 第40-47页 |
| 4.2.1 分类任务效果对比 | 第40-42页 |
| 4.2.2 回归任务效果对比 | 第42-45页 |
| 4.2.3 打分模型设计 | 第45-47页 |
| 4.3 损失函数及优化方法选择 | 第47-51页 |
| 4.3.1 损失函数 | 第47-49页 |
| 4.3.2 优化方法 | 第49-51页 |
| 4.4 基于循环神经网络的历史行为数据编码方法 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于深度学习的排序模型的设计与实现 | 第54-65页 |
| 5.1 基于深度学习的排序模型设计 | 第54-58页 |
| 5.1.1 模型总体结构设计 | 第54-55页 |
| 5.1.2 模型训练模块 | 第55-57页 |
| 5.1.3 排序模块 | 第57-58页 |
| 5.2 排序模型在地铁单边交易处理中的应用 | 第58-64页 |
| 5.2.1 问题描述及分析 | 第58-59页 |
| 5.2.2 基于排序模型的地铁单边交易处理方法 | 第59-61页 |
| 5.2.3 实验设计及结果分析 | 第61-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
