掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數(shù)學專題練1200題
-
>
希格斯:“上帝粒子”的發(fā)明與發(fā)現(xiàn)
-
>
神農(nóng)架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
查詢推薦理論與方法 版權(quán)信息
- ISBN：9787030512000
- 條形碼：9787030512000 ; 978-7-03-051200-0
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
查詢推薦理論與方法 本書特色
本書較全面地介紹信息檢索中查詢推薦理論與方法，描述查詢推薦的研究背景、模型概述、實驗框架和實現(xiàn)方法。具體闡述前綴自適應和時間敏感的個性化查詢推薦、基于同源查詢詞和語義相關(guān)性的查詢推薦、多樣化查詢推薦和選擇性個性化查詢推薦等理論方法。本書許多內(nèi)容是作者近年來在信息檢索領(lǐng)域的**研究成果，具有較強的學術(shù)性和原創(chuàng)性。
查詢推薦理論與方法 內(nèi)容簡介
首先，我們介紹了一種時效性敏感的個性化查詢推薦方法，該方法將用戶查詢的時效性因素和個性化偏好因素同時考慮，提出了一種查詢推薦混合模型。其次，基于排序?qū)W習算法，通過提取查詢短語的語義特征和本質(zhì)同源特征，構(gòu)建了一組基于機器學習的查詢推薦模型，將不同來源的特征嵌入推薦模型，使得查詢推薦方法能夠挖掘相似查詢短語和語義相關(guān)性等信息，從而提高查詢推薦的準確率。再次，我們研究多樣化查詢推薦問題。該問題主要目的是在準確預測用戶查詢意圖的前提下，實現(xiàn)查詢推薦短語覆蓋主題種類的多樣化。*后，我們對個性化查詢推薦展開了深入研究，主要探討了在查詢推薦中如何準確應用個性化的問題，通過挖掘用戶查詢的上下文信息，權(quán)衡個性化的貢獻，提出了選擇性的個性化查詢推薦方法，進一步提高查詢推薦的準確率。
查詢推薦理論與方法 目錄
《信息科學技術(shù)學術(shù)著作叢書》序前言第1章 緒論 1.1 研究概述與研究問題 1.2 本書主要貢獻 1.3 本書概述 參考文獻第2章 查詢推薦模型概述 2.1 問題描述 2.2 概率型查詢推薦方法 2.2.1 時間敏感性查詢推薦模型 2.2.2 用戶為中心的個性化查詢推薦模型 2.3 學習型查詢推薦模型 2.3.1 基于時效性特征的學習型查詢推薦方法 2.3.2 基于用戶交互特征的學習型查詢推薦 2.4 實際問題 2.4.1 效率 2.4.2 顯示和交互 2.5 本章小結(jié) 參考文獻第3章 實驗研究框架 3.1 實驗設(shè)置 3.2 標準數(shù)據(jù)集 3.3 評估方法 3.4 本章小結(jié) 參考文獻第4章 前綴自適應和時間敏感的個性化查詢推薦方法 4.1 方法介紹 4.1.1 基于查詢詞頻率周期性和變化趨勢的查詢推薦模型 4.1.2 個性化的查詢推薦模型 4.1.3 混合查詢推薦模型 4.1.4 改進的λ—H—QAC模型（即λ—H—QAC） 4.2 實驗設(shè)計 4.2.1 數(shù)據(jù)集和基準方法 4.2.2 實驗設(shè)置 4.3 實驗結(jié)果與分析 4.3.1 查詢詞的頻率預測性能評估 4.3.2 權(quán)重值λ的影響 4.3.3 TS—QAC模型的排序性能評估 4.3.4 混合查詢推薦模型的排序性能評估 4.3.5 個性化的查詢推薦模型的排序性能分析 4.3.6 權(quán)重值γ的影響 4.3.7 組合查詢推薦模型的排序性能評估 4.3.8 查詢推薦模型對長尾前綴的排序性能評估 4.3.9 改進的混合查詢推薦模型的排序性能評估 4.4 本章小結(jié) 參考文獻第5章 基于同源查詢詞和語義相關(guān)性的查詢推薦方法 5.1 方法描述 5.1.1 基于查詢詞頻率的特征 5.1.2 計算同源查詢詞的權(quán)重值 5.1.3 基于語義的特征 5.1.4 特征總結(jié) 5.2 實驗設(shè)計 5.2.1 模型概述 5.2.2 數(shù)據(jù)集 5.2.3 實驗設(shè)置 5.3 實驗結(jié)果與分析 5.3.1 基于查詢詞頻率的特征的影響 5.3.2 基于語義的特征的影響 5.3.3 基于同源查詢詞的特征的影響 5.3.4 L2R—ALL的排序性能評估 5.3.5 各個特征的敏感性分析 5.3.6 查詢詞位置的影響 5.4 本章小結(jié) 參考文獻第6章 多樣化查詢推薦方法 6.1 方法描述 6.1.1 D—QAC問題 6.1.2 D—QAC中的貪婪查詢選擇 6.1.3 查詢內(nèi)容在各個主題上的分布 6.2 實驗設(shè)計 6.2.1 模型簡介 6.2.2 數(shù)據(jù)集 6.2.3 對比實驗 6.2.4 參數(shù)和實驗設(shè)置 6.3 實驗結(jié)果與分析 6.3.1 GQS的D—IQAC性能 6.3.2 初始查詢推薦的選擇對GQS模型性能的影響 6.3.3 GQS中查詢上下文的影響效果 6.3.4 并排比較 6.3.5 參數(shù)調(diào)整的影響 6.4 本章小結(jié) 參考文獻第7章 選擇性個性化查詢推薦方法 7.1 方法描述 7.1.1 輸入前綴信號 7.1.2 從點擊過的文檔推測查詢的滿意程度 7.1.3 檢測查詢主題的變化 7.1.4 個性化的權(quán)重 7.2 實驗設(shè)計 7.3 實驗結(jié)果與分析 7.3.1 SP—QAC模型的性能 7.3.2 個性化衡量影響因子分析 7.4 本章小結(jié) 參考文獻第8章 總結(jié) 8.1 主要發(fā)現(xiàn) 8.2 進一步的工作 參考文獻
展開全部
書友推薦
- >
煙與鏡
- >
李白與唐代文化
- >
有舍有得是人生
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
山海經(jīng)
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
- >
巴金－再思錄
- >
苦雨齋序跋文-周作人自編集
本類暢銷
