搜索引擎中的實(shí)體推薦關(guān)鍵技術(shù)研究
定 價(jià):49 元
叢書名:CCF優(yōu)秀博士學(xué)位論文叢書
- 作者:黃際洲 著
- 出版時(shí)間:2022/7/1
- ISBN:9787111701170
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:G354.4
- 頁碼:217
- 紙張:
- 版次:
- 開本:A5
搜索引擎是人們獲取信息的重要工具。近幾年,人們獲取信息的需求不斷提升, 促使搜索引擎不斷發(fā)展和進(jìn)化, 從被動(dòng)地為用戶提供查詢結(jié)果, 轉(zhuǎn)變?yōu)橹鲃?dòng)地為用戶提供直接答案并推薦相關(guān)信息。其中, 實(shí)體推薦是推薦粒度*細(xì)且信息量*豐富的一種信息推薦形式, 備受學(xué)術(shù)界重視, 也深受用戶歡迎。
本書圍繞實(shí)體推薦, 針對(duì)實(shí)體推薦算法的改進(jìn)和推薦理由的生成這兩方面的關(guān)鍵技術(shù)進(jìn)行研究, 并得出研究結(jié)論。本書適合計(jì)算機(jī)領(lǐng)域的研究生以及從業(yè)人員閱讀, 可以幫助讀者較全面地了解實(shí)體推薦算法。
叢書序
導(dǎo)師序
摘要
第1章 緒論
1.1 課題背景及意義1
1.1.1 實(shí)體推薦的定義及研究背景1
1.1.2 實(shí)體推薦的挑戰(zhàn)及研究意義6
1.2 研究現(xiàn)狀及分析12
1.2.1 實(shí)體推薦算法12
1.2.2 實(shí)體推薦的可解釋性23
1.2.3 尚且存在的問題31
1.3 本書的研究?jī)?nèi)容及章節(jié)安排35
第2章 基于排序?qū)W習(xí)與信息新穎性增強(qiáng)的實(shí)體推薦
2.1 引言40
2.2 問題定義43
2.2.1 信息新穎性定義43
2.2.2 基于信息新穎性增強(qiáng)的實(shí)體推薦任務(wù)定義47
2.3 基于排序?qū)W習(xí)框架的實(shí)體推薦算法49
2.3.1 相關(guān)實(shí)體發(fā)現(xiàn)50
2.3.2 相關(guān)實(shí)體排序53
2.4 實(shí)驗(yàn)設(shè)置69
2.4.1 實(shí)驗(yàn)數(shù)據(jù)69
2.4.2 基線方法70
2.4.3 評(píng)價(jià)指標(biāo)72
2.5 實(shí)驗(yàn)結(jié)果與分析75
2.5.1 本方法與五種基線方法的比較76
2.5.2 不同特征的貢獻(xiàn)度分析78
2.6 本章小結(jié)81
第3章 基于深度多任務(wù)學(xué)習(xí)的上下文相關(guān)實(shí)體推薦
3.1 引言83
3.2 問題定義87
3.2.1 上下文相關(guān)實(shí)體推薦任務(wù)定義87
3.2.2 使用多任務(wù)學(xué)習(xí)的原因89
3.3 基于多任務(wù)學(xué)習(xí)的上下文相關(guān)實(shí)體推薦模型92
3.3.1 上下文無關(guān)實(shí)體推薦模型92
3.3.2 上下文相關(guān)實(shí)體推薦模型94
3.3.3 使用多任務(wù)學(xué)習(xí)提升上下文相關(guān)實(shí)體推薦模型的效果95
3.3.4 利用上下文相關(guān)實(shí)體推薦模型提升推薦效果98
3.4 實(shí)驗(yàn)設(shè)置100
3.4.1 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)101
3.4.2 基線方法104
3.5 實(shí)驗(yàn)結(jié)果與分析105
3.5.1 上下文信息的影響105
3.5.2 多任務(wù)學(xué)習(xí)與單任務(wù)學(xué)習(xí)的比較106
3.5.3 實(shí)體推薦模型的比較107
3.5.4 搜索會(huì)話長(zhǎng)度的影響108
3.5.5 上下文相關(guān)文檔排序的效果110
3.6 本章小結(jié)111
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的實(shí)體對(duì)推薦理由識(shí)別
4.1 引言112
4.2 問題定義116
4.3 實(shí)體對(duì)推薦理由識(shí)別方法118
4.3.1 訓(xùn)練數(shù)據(jù)的構(gòu)建方法118
4.3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的排序模型122
4.4 實(shí)驗(yàn)設(shè)置125
4.4.1 實(shí)驗(yàn)數(shù)據(jù)126
4.4.2 基線方法128
4.4.3 評(píng)價(jià)指標(biāo)130
4.5 實(shí)驗(yàn)結(jié)果與分析130
4.5.1 人工設(shè)計(jì)特征與自動(dòng)學(xué)習(xí)特征的比較131
4.5.2 基于pointwise與基于pairwise的排序方法的比較132
4.5.3 本方法與三種基線方法的比較133
4.6 本章小結(jié)138
第5章 基于機(jī)器翻譯模型的實(shí)體推薦理由生成
5.1 引言139
5.2 問題定義142
5.3 基于統(tǒng)計(jì)機(jī)器翻譯模型的實(shí)體推薦理由生成144
5.4 基于神經(jīng)機(jī)器翻譯模型的實(shí)體推薦理由生成148
5.4.1 Seq2Seq模型149
5.4.2 由實(shí)體信息指導(dǎo)的Seq2Seq模型156
5.4.3 基于Seq2Seq的實(shí)體推薦理由生成模型161
5.5 實(shí)驗(yàn)設(shè)置162
5.5.1 實(shí)驗(yàn)數(shù)據(jù)162
5.5.2 對(duì)比方法165
5.5.3 評(píng)價(jià)指標(biāo)169
5.6 實(shí)驗(yàn)結(jié)果與分析171
5.6.1 不同實(shí)體推薦理由生成方法的比較與分析171
5.6.2 基于Seq2Seq的實(shí)體推薦理由生成模型分析174
5.6.3 基于實(shí)例的方法的比較與分析176
5.7 本章小結(jié)181
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝