| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| CONTENTS | 第9-11页 |
| Symbols and Abbreviations | 第11-14页 |
| Chapter 1 Introduction | 第14-21页 |
| 1.1 Supervised Learning | 第14-16页 |
| 1.2 Ranking for Information Retrieval | 第16-18页 |
| 1.3 Focus and Contributions | 第18-19页 |
| 1.4 Outline of This Thesis | 第19-21页 |
| Chapter 2 Background and Related Work | 第21-33页 |
| 2.1 Learning to Rank | 第21-27页 |
| 2.1.1 Pointwise Learning to Rank Approach | 第23-24页 |
| 2.1.2 Pairwise Learning to Rank Approach | 第24-25页 |
| 2.1.3 Listwise Learning to Rank Approach | 第25-27页 |
| 2.2 Evaluation Measures | 第27-29页 |
| 2.2.1 Mean Average Precision | 第27-28页 |
| 2.2.2 Normalized Discounted Cumulative Gain | 第28-29页 |
| 2.3 Data Envelopment Analysis | 第29-33页 |
| 2.3.1 Ranking of DMUs | 第31-33页 |
| Chapter 3 DEA-based Listwise Rank Learning Method | 第33-43页 |
| 3.1 Modified DEA Models | 第33-34页 |
| 3.2 DEARank Algorithm | 第34-37页 |
| 3.3 Theoretical Analysis | 第37-43页 |
| Chapter 4 Experimental Evaluations | 第43-52页 |
| 4.1 Experimental Setting | 第43-45页 |
| 4.2 Experimental Results | 第45-50页 |
| 4.3 Experiments with a Reduced Pool | 第50-52页 |
| Chapter 5 Discussions and Conclusions | 第52-57页 |
| 5.1 Error Diversity and Local Fitting | 第52-55页 |
| 5.2 Feature Subset Weighting Strategy | 第55页 |
| 5.3 Conclusions | 第55-57页 |
| Acknowledgements | 第57-58页 |
| Reference | 第58-66页 |
| List of Publications | 第66页 |
