基于分布式表征和局部排序的信息检索集合选择方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 相关研究及存在问题 | 第11-13页 |
| 1.2.1 基于“超大文档”的集合选择方法 | 第11-12页 |
| 1.2.2 基于“小文档”的集合选择方法 | 第12-13页 |
| 1.3 研究目标及内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 第2章 相关方法和技术 | 第16-24页 |
| 2.1 分布式信息检索系统的体系结构 | 第16-17页 |
| 2.2 基于查询的采样方法 | 第17-18页 |
| 2.3 词向量 | 第18-20页 |
| 2.3.1 词向量的表示 | 第18-19页 |
| 2.3.2 词向量的获取 | 第19页 |
| 2.3.3 神经网络语言模型 | 第19-20页 |
| 2.4 CBOW和Skip-gram | 第20-21页 |
| 2.5 查询扩展 | 第21-22页 |
| 2.6 ListNet | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于分布式表征和局部排序的集合选择 | 第24-40页 |
| 3.1 概述 | 第24-25页 |
| 3.2 问题定义及方法总体流程 | 第25-28页 |
| 3.3 扩展查询 | 第28-32页 |
| 3.3.1 查询扩展过程 | 第28-29页 |
| 3.3.2 特征向量 | 第29-30页 |
| 3.3.3 权重向量 | 第30-31页 |
| 3.3.4 查询词权重 | 第31-32页 |
| 3.4 查询与样本集文档的相关度 | 第32-33页 |
| 3.5 查询与集合相关度计算 | 第33-37页 |
| 3.6 结果合并策略 | 第37-38页 |
| 3.6.1 各集合返回的检索结果数 | 第37-38页 |
| 3.6.2 各文档的全局评分 | 第38页 |
| 3.7 本章小结 | 第38-40页 |
| 第4章 实验评估 | 第40-62页 |
| 4.1 评价指标 | 第40页 |
| 4.2 数据集 | 第40-42页 |
| 4.3 实验设置 | 第42-45页 |
| 4.3.1 采样和结果合并 | 第42页 |
| 4.3.2 集合大小的估算 | 第42页 |
| 4.3.3 基准方法 | 第42-43页 |
| 4.3.4 DLCS参数 | 第43页 |
| 4.3.5 向量维度参数 | 第43-44页 |
| 4.3.6 对比方案设置 | 第44-45页 |
| 4.4 D2V的有效性 | 第45-47页 |
| 4.5 First方法的有效性 | 第47-50页 |
| 4.6 查询扩展的有效性 | 第50-56页 |
| 4.6.1 扩展词个数 | 第50-52页 |
| 4.6.2 查询扩展有效性 | 第52-54页 |
| 4.6.3 与其他查询扩展方法对比 | 第54-56页 |
| 4.7 最终结果分析 | 第56-60页 |
| 4.7.1 完整方法有效性 | 第56-58页 |
| 4.7.2 方法各要素贡献分析 | 第58-60页 |
| 4.8 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
