基于多任务学习的微博信息流重排序研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 微博重排序方法研究现状 | 第15-17页 |
| 1.2.1 社交网络分析 | 第15-16页 |
| 1.2.2 微博重排序研究 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 学习排序和多任务学习 | 第20-32页 |
| 2.1 学习排序 | 第20-29页 |
| 2.1.2 pointwise方法 | 第21-24页 |
| 2.1.3 pairwise方法 | 第24-26页 |
| 2.1.4 listwise方法 | 第26-29页 |
| 2.2 多任务学习框架 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于多任务学习的微博信息流重排序算法 | 第32-48页 |
| 3.1 微博信息流重排序模型 | 第32-34页 |
| 3.2 基于多任务学习的微博信息流重排序模型 | 第34-37页 |
| 3.3 仿真实验 | 第37-44页 |
| 3.3.2 数据筛选 | 第39页 |
| 3.3.3 特征提取 | 第39-40页 |
| 3.3.4 用户会话 | 第40-43页 |
| 3.3.5 实验环境 | 第43页 |
| 3.3.6 评价标准 | 第43-44页 |
| 3.4 实验结果对比与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 相似性度量的微博信息流重排序算法 | 第48-64页 |
| 4.1 用户相似性度量方法 | 第48-56页 |
| 4.1.2 用户内容相似性计算 | 第49-51页 |
| 4.1.3 用户结构相似性计算 | 第51-56页 |
| 4.2 基于用户相似性的微博信息流重排序模型 | 第56-58页 |
| 4.3 仿真实验 | 第58-59页 |
| 4.4 实验结果对比与分析 | 第59-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
