当前位置:首页 > 文化科学教育体育
查询推荐理论与方法
查询推荐理论与方法

查询推荐理论与方法PDF电子书下载

文化科学教育体育

  • 电子书积分:9 积分如何计算积分?
  • 作 者:蔡飞,陈洪辉,蒋丹阳,陈皖玉著
  • 出 版 社:北京:科学出版社
  • 出版年份:2017
  • ISBN:9787030512000
  • 页数:194 页
图书介绍:首先,我们介绍了一种时效性敏感的个性化查询推荐方法,该方法将用户查询的时效性因素和个性化偏好因素同时考虑,提出了一种查询推荐混合模型。其次,基于排序学习算法,通过提取查询短语的语义特征和本质同源特征,构建了一组基于机器学习的查询推荐模型,将不同来源的特征嵌入推荐模型,使得查询推荐方法能够挖掘相似查询短语和语义相关性等信息,从而提高查询推荐的准确率。再次,我们研究多样化查询推荐问题。该问题主要目的是在准确预测用户查询意图的前提下,实现查询推荐短语覆盖主题种类的多样化。最后,我们对个性化查询推荐展开了深入研究,主要探讨了在查询推荐中如何准确应用个性化的问题,通过挖掘用户查询的上下文信息,权衡个性化的贡献,提出了选择性的个性化查询推荐方法,进一步提高查询推荐的准确率。
《查询推荐理论与方法》目录

第1章 绪论 1

1.1 研究概述与研究问题 4

1.2 本书主要贡献 10

1.3 本书概述 11

参考文献 13

第2章 查询推荐模型概述 16

2.1 问题描述 16

2.2 概率型查询推荐方法 19

2.2.1 时间敏感性查询推荐模型 19

2.2.2 用户为中心的个性化查询推荐模型 24

2.3 学习型查询推荐模型 26

2.3.1 基于时效性特征的学习型查询推荐方法 27

2.3.2 基于用户交互特征的学习型查询推荐 28

2.4 实际问题 31

2.4.1 效率 31

2.4.2 显示和交互 35

2.5 本章小结 39

参考文献 40

第3章 实验研究框架 46

3.1 实验设置 46

3.2 标准数据集 47

3.3 评估方法 49

3.4 本章小结 51

参考文献 51

第4章 前缀自适应和时间敏感的个性化查询推荐方法 54

4.1 方法介绍 58

4.1.1 基于查询词频率周期性和变化趋势的查询推荐模型 59

4.1.2 个性化的查询推荐模型 62

4.1.3 混合查询推荐模型 64

4.1.4 改进的λ-H-QAC模型(即λ-H′-QAC) 66

4.2 实验设计 68

4.2.1 数据集和基准方法 69

4.2.2 实验设置 73

4.3 实验结果与分析 74

4.3.1 查询词的频率预测性能评估 75

4.3.2 权重值λ的影响 76

4.3.3 TS-QAC模型的排序性能评估 78

4.3.4 混合查询推荐模型的排序性能评估 79

4.3.5 个性化的查询推荐模型的排序性能分析 84

4.3.6 权重值γ的影响 85

4.3.7 组合查询推荐模型的排序性能评估 87

4.3.8 查询推荐模型对长尾前缀的排序性能评估 88

4.3.9 改进的混合查询推荐模型的排序性能评估 89

4.4 本章小结 90

参考文献 91

第5章 基于同源查询词和语义相关性的查询推荐方法 93

5.1 方法描述 98

5.1.1 基于查询词频率的特征 99

5.1.2 计算同源查询词的权重值 101

5.1.3 基于语义的特征 102

5.1.4 特征总结 105

5.2 实验设计 106

5.2.1 模型概述 107

5.2.2 数据集 108

5.2.3 实验设置 110

5.3 实验结果与分析 112

5.3.1 基于查询词频率的特征的影响 112

5.3.2 基于语义的特征的影响 114

5.3.3 基于同源查询词的特征的影响 117

5.3.4 L2R-ALL的排序性能评估 119

5.3.5 各个特征的敏感性分析 120

5.3.6 查询词位置的影响 122

5.4 本章小结 123

参考文献 124

第6章 多样化查询推荐方法 127

6.1 方法描述 131

6.1.1 D-QAC问题 131

6.1.2 D-QAC中的贪婪查询选择 134

6.1.3 查询内容在各个主题上的分布 137

6.2 实验设计 141

6.2.1 模型简介 141

6.2.2 数据集 143

6.2.3 对比实验 144

6.2.4 参数和实验设置 146

6.3 实验结果与分析 147

6.3.1 GQS的D-QAC性能 148

6.3.2 初始查询推荐的选择对GQS模型性能的影响 150

6.3.3 GQS中查询上下文的影响效果 154

6.3.4 并排比较 158

6.3.5 参数调整的影响 158

6.4 本章小结 166

参考文献 167

第7章 选择性个性化查询推荐方法 170

7.1 方法描述 172

7.1.1 输入前缀信号 173

7.1.2 从点击过的文档推测查询的满意程度 173

7.1.3 检测查询主题的变化 174

7.1.4 个性化的权重 175

7.2 实验设计 176

7.3 实验结果与分析 177

7.3.1 SP-QAC模型的性能 177

7.3.2 个性化衡量影响因子分析 179

7.4 本章小结 181

参考文献 181

第8章 总结 184

8.1 主要发现 185

8.2 进一步的工作 191

参考文献 193

返回顶部