近年來,隨著互聯(lián)網(wǎng)數(shù)據(jù)規(guī)模的持續(xù)增長,信息檢索技術(shù)得到廣泛關(guān)注,并被應(yīng)用于多種垂直領(lǐng)域檢索場(chǎng)景。信息檢索旨在根據(jù)用戶查詢,在大規(guī)模數(shù)據(jù)中查找與查詢相關(guān)的文檔或網(wǎng)頁,并根據(jù)其相關(guān)程度給出相應(yīng)的排序列表。而用戶提交給搜索引擎的查詢往往僅包含少量關(guān)鍵詞,很難全面描述用戶的信息需求,進(jìn)而對(duì)查詢意圖的理解帶來模糊性和不確定性,因此,如何準(zhǔn)確有效地理解用戶查詢對(duì)于檢索性能的提升至關(guān)重要,也是信息檢索性能優(yōu)化的核心方向之一。為精確地理解用戶查詢,提升檢索性能,本文從如下三個(gè)方面展開研究,具體內(nèi)容包括:1、針對(duì)偽相關(guān)反饋中的擴(kuò)展詞選擇問題,提出一種基于偽相關(guān)反饋的擴(kuò)展詞排序模型。該模型以偽相關(guān)反饋方法為基礎(chǔ),將排序?qū)W習(xí)作為核心技術(shù),通過監(jiān)督學(xué)習(xí)構(gòu)建候選擴(kuò)展詞排序模型,用以選擇最符合用戶信息需求的擴(kuò)展詞,補(bǔ)充和完善原始查詢,提高擴(kuò)展查詢的質(zhì)量。在模型構(gòu)建中,分別對(duì)候選擴(kuò)展詞選擇、擴(kuò)展詞相關(guān)性標(biāo)注、擴(kuò)展詞特征抽取和排序模型構(gòu)建等方面給出具體優(yōu)化策略,并基于三個(gè)標(biāo)準(zhǔn)TREC檢索數(shù)據(jù)集展開實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文方法能夠有效提升通用領(lǐng)域信息檢索的性能。2、針對(duì)生物醫(yī)學(xué)文獻(xiàn)檢索中的查詢理解問題,提出一種面向生物醫(yī)... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：132 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
主要符號(hào)表
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外相關(guān)工作研究綜述
        1.2.1 查詢理解相關(guān)研究
        1.2.2 排序模型相關(guān)研究
        1.2.3 垂直檢索相關(guān)研究
    1.3 本文主要研究思路
    1.4 本文組織結(jié)構(gòu)
2 基于偽相關(guān)反饋的擴(kuò)展詞排序模型
    2.1 引言
    2.2 方法整體流程
    2.3 候選擴(kuò)展詞選擇
    2.4 候選擴(kuò)展詞相關(guān)性標(biāo)注
    2.5 候選擴(kuò)展詞特征抽取
        2.5.1 基于上下文的候選擴(kuò)展詞特征
        2.5.2 基于詞向量的候選擴(kuò)展詞特征
    2.6 候選擴(kuò)展詞排序模型構(gòu)建
    2.7 實(shí)驗(yàn)結(jié)果及分析
        2.7.1 實(shí)驗(yàn)設(shè)置
        2.7.2 整體檢索性能評(píng)估
        2.7.3 候選擴(kuò)展詞選擇效果評(píng)估
        2.7.4 擴(kuò)展詞標(biāo)注有效性評(píng)估
        2.7.5 擴(kuò)展詞特征有效性評(píng)估
        2.7.6 詞排序準(zhǔn)確率評(píng)估
        2.7.7 參數(shù)選擇
    2.8 本章小結(jié)
3 面向生物醫(yī)學(xué)文獻(xiàn)檢索的擴(kuò)展詞排序模型
    3.1 引言
    3.2 方法整體流程
    3.3 基于醫(yī)學(xué)主題詞表的候選擴(kuò)展詞選擇
        3.3.1 基于詞依賴模型的擴(kuò)展詞加權(quán)
        3.3.2 基于醫(yī)學(xué)主題詞表的擴(kuò)展詞加權(quán)
        3.3.3 融合詞依賴和醫(yī)學(xué)主題詞表的候選擴(kuò)展詞加權(quán)
    3.4 融合查詢主題信息的擴(kuò)展詞相關(guān)性標(biāo)注
    3.5 面向生物醫(yī)學(xué)文獻(xiàn)的擴(kuò)展詞特征抽取
        3.5.1 基于上下文的候選擴(kuò)展詞特征
        3.5.2 基于領(lǐng)域的候選擴(kuò)展詞特征
    3.6 面向生物醫(yī)學(xué)文獻(xiàn)檢索的擴(kuò)展詞排序模型構(gòu)建
    3.7 實(shí)驗(yàn)結(jié)果及分析
        3.7.1 實(shí)驗(yàn)設(shè)置
        3.7.2 生物醫(yī)學(xué)文獻(xiàn)檢索整體性能評(píng)估
        3.7.3 生物醫(yī)學(xué)候選擴(kuò)展詞選擇效果評(píng)估
        3.7.4 生物醫(yī)學(xué)擴(kuò)展詞標(biāo)注有效性評(píng)估
        3.7.5 生物醫(yī)學(xué)擴(kuò)展詞特征有效性評(píng)估
        3.7.6 生物醫(yī)學(xué)擴(kuò)展詞排序準(zhǔn)確率評(píng)估
        3.7.7 參數(shù)選擇
    3.8 本章小結(jié)
4 面向代碼信息檢索的擴(kuò)展詞排序模型
    4.1 引言
    4.2 方法整體框架
    4.3 基于代碼片段信息的候選擴(kuò)展詞選擇
        4.3.1 基于詞依賴模型的擴(kuò)展詞加權(quán)
        4.3.2 候選代碼片段加權(quán)
        4.3.3 基于代碼文件的共現(xiàn)頻率
        4.3.4 面向代碼片段的候選擴(kuò)展詞依賴模型
    4.4 融合代碼信息的擴(kuò)展詞相關(guān)性標(biāo)注
    4.5 面向代碼片段的候選擴(kuò)展詞特征抽取
        4.5.1 基于上下文的擴(kuò)展詞特征
        4.5.2 基于代碼片段的擴(kuò)展詞特征
        4.5.3 基于代碼文件的擴(kuò)展詞特征
    4.6 面向代碼信息檢索的擴(kuò)展詞排序模型構(gòu)建
    4.7 實(shí)驗(yàn)結(jié)果及分析
        4.7.1 實(shí)驗(yàn)設(shè)置
        4.7.2 代碼檢索整體性能評(píng)估
        4.7.3 代碼檢索擴(kuò)展詞選擇效果評(píng)估
        4.7.4 代碼檢索擴(kuò)展詞標(biāo)注有效性評(píng)估
        4.7.5 代碼檢索擴(kuò)展詞特征有效性評(píng)估
        4.7.6 代碼檢索詞排序準(zhǔn)確率評(píng)估
        4.7.7 參數(shù)選擇
    4.8 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 創(chuàng)新點(diǎn)
    5.3 展望
參考文獻(xiàn)
攻讀博士學(xué)位期間科研項(xiàng)目及科研成果
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于詞匯時(shí)間分布的微博查詢擴(kuò)展[J]. 韓中元,楊沐昀,孔蕾蕾,齊浩亮,李生.  計(jì)算機(jī)學(xué)報(bào). 2016(10)
[2]基于排序?qū)W習(xí)的推薦算法研究綜述[J]. 黃震華,張佳雯,田春岐,孫圣力,向陽.  軟件學(xué)報(bào). 2016(03)
[3]基于矩陣分解的偽相關(guān)反饋技術(shù)[J]. 周棟,劉建勛,張三蓉.  模式識(shí)別與人工智能. 2015(08)
[4]基于矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘的偽相關(guān)反饋查詢擴(kuò)展[J]. 黃名選,嚴(yán)小衛(wèi),張師超.  軟件學(xué)報(bào). 2009(07)



本文編號(hào)：3158276