| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 含有等序关系排序学习算法的研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第二章 排序学习的理论基础 | 第16-26页 |
| 2.1 排序学习概念描述 | 第16-17页 |
| 2.2 基于单个样本的点级排序学习算法 | 第17-19页 |
| 2.2.1 基于分类的方法 | 第18页 |
| 2.2.2 基于回归的方法 | 第18-19页 |
| 2.3 基于样本对的对级排序学习算法 | 第19-21页 |
| 2.3.1 RankBoost算法 | 第20-21页 |
| 2.3.2 RankSVM算法 | 第21页 |
| 2.4 基于样本队列的列表级排序学习算法 | 第21-22页 |
| 2.5 基于子序列的排序学习算法 | 第22-23页 |
| 2.6 排序学习的评价准则 | 第23-25页 |
| 2.6.1 NDCG评价指标 | 第23-24页 |
| 2.6.2 NDCG-ties评价指标 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于对级的含有等序关系的排序学习算法 | 第26-41页 |
| 3.1 三个基于对级的含有等序关系的排序学习算法 | 第26-29页 |
| 3.1.1 softmax回归 | 第26-28页 |
| 3.1.2 欧氏距离损失函数 | 第28页 |
| 3.1.3 Bradley-Terry模型 | 第28-29页 |
| 3.2 深度学习网络框架 | 第29-31页 |
| 3.3 等序关系的判断 | 第31-34页 |
| 3.4 实验 | 第34-39页 |
| 3.4.1 实验一 | 第34-36页 |
| 3.4.2 实验二 | 第36-37页 |
| 3.4.3 实验结果分析 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于子序列方法的含有等序关系的排序学习算法 | 第41-48页 |
| 4.1 基于子序列的含有等序关系的排序学习算法 | 第41-42页 |
| 4.2 深度学习网络框架 | 第42-43页 |
| 4.3 实验 | 第43-47页 |
| 4.3.1 实验一 | 第43-45页 |
| 4.3.2 实验二 | 第45-47页 |
| 4.3.3 实验结果分析 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| 5.1 本论文的研究工作的总结 | 第48页 |
| 5.2 对未来的展望与规划 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士期间发表论文 | 第56页 |