VIP会员
内容简介
本书以作者在智能信息检索领域多年的研究工作为基础结并梳理了面向互联网的智能信息检索技术的新前展，从查询意图理解和相关匹配两个方面着重介绍了智能检索技术研究的脉络和发展而通过将智能检索技术应用于智能问答、检索、用户画像和情感计算等多项信息检索和自然语言处理研究实践，分析并探讨了相关技术应用中的研究范式和应用模式，为人工智能和计算机科学与技术专业人士提供智能信息检索技术的解读，智能信息检索技术的突破与发展。 本书可供计算机和人工智能相关专业的高年级本科生和研究生阅读，也可作为从事智能信息检索领域和自然语言处理领域研究和算法研发人员的参考书。
目录
《博士后文库》序言前言第1章 绪论 1.1 信息检索技术及其发展 1.2 面向搜索引擎的智能信息检索技术 1.3 查询意图理解和相关排序 1.4 排序学r/> 1.4.1 点级排序学 1.4.2 对级排序学 1.4.3 列表级排序学 1.5 智能信息检索评价指标 1.6 智能信息检索相关应用场景 1.7 本书研究内容及章节安排 参考文献第2章 基于混合模型的查询意图理解 2.1 引言 2.2 相关研究工作 2.3 查询意图分类模型整体框架 2.4 查询向量表示 2.5 基于混合模型的查询意图分类 2.5.1 面向中间类别的意图匹配 2.5.2 面向终分类的查询意图分类 2.6 查询意图分类方法能评估 2.6.1 实验设置 2.6.2 对比模型和评价指标 2.6.3 实验结果与分析 2.7 本章小结 参考文献第3章 面向生物医学文本检索的监督式查询扩展 3.1 引言 3.2 相关研究工作 3.3 监督式生物医学扩展词排序方法 3.3.1 方法整体流程 3.3.2 候选扩展词抽取 3.3.3 词项标注策略 3.3.4 词特征抽取 3.3.5 排序模型构建 3.4 监督式查询扩展方法能评估 3.4.1 实验设置 3.4.2 标注策略能评估 3.4.3 扩展词特征能评估 3.4.4 损失函数能评估 3.4.5 整体检索能 3.4.6 实验结果与分析 3.5 本章小结 参考文献第4章 排序学特征生成 4.1 引言 4.2 相关研究工作 4.3 基于查询级半监督自编码器的排序模型 4.3.1 降噪自编码器 4.3.2 基于Bregman散度的损失函数 4.3.3 查询约束 4.4 半监督自编码排序方法能评估 4.4.1 实验设置 4.4.2 多种自编码器强化的排序能对比 4.4.3 多种排序学的能对比 4.4.4 与深度排序模型的检索能对比 4.4.5 特征维度对实验能的影响 4.4.6 讨论 4.5 本章小结 参考文献第5章 直接优化信息检索评价指标的排序学 5.1 引言 5.2 相关研究工作 5.3 信息检索评价指标 5.3.1 均排序倒数 5.3.2 期望倒数排序 5.3.3 Q-measure评价指标 5.4 基于AdaRank的排序特征生成方法 5.4.1 特征生成框架 5.4.2 基于AdaRank直接优化信息检索评价指标 5.4.3 基于标准数据集的特征生成框架 5.5 直接优化评价指标排序方法能评估 5.5.1 语料库 5.5.2 实验设置 5.5.3 所提出三种排序算法的能评估 5.5.4 对生成特征集的评价 5.5.5 对组合特征集的评价 5.5.6 实验分析与讨论 5.6 本章小结 参考文献第6章 融合多重损失函数的排序学 6.1 引言 6.2 相关研究工作 6.3 问题定义 6.4 融合多重损失函数的排序学r/> 6.4.1 多种候选损失函数 6.4.2 基于梯度下降的损失优化 6.4.3 基于加权损失函数的重要行排序 6.5 多重损失函数融合排序方法能评估 6.5.1 数据集和实验设置 6.5.2 对级损失函数选择 6.5.3 列表级损失函数选择 6.5.4 正则加权策略的效果评估 6.5.5 迭代敏感加权策略的效果评估 6.5.6 接力加权策略的效果评估 6.5.7 整体能比较 6.5.8 与其他算法的比较 6.6 本章小结 参考文献第7章 基于排序学感原因抽取 7.1 引言 7.2 相关研究工作 7.3 面向情感原因抽取的排序模型 7.3.1 问题定义 7.3.2 面向情感原因的子句排序特征 7.3.3 面向情感原因的排序模型构建 7.4 基于排序的情感原因抽取方法能评估 7.4.1 实验设置 7.4.2 与现有方法的比较 7.4.3 排序特征的比较 7.4.4 特征词的能比较 7.4.5 主题模型的特征比较 7.4.6 停用词和情感级别归一化的影响 7.4.7 讨论 7.5 本章小结 参考文献第8章 基于预训练词嵌入的词排序模型 8.1 引言 8.2 相关研究工作 8.3 融合词嵌入向量的词排序模型 8.3.1 方法基本框架 8.3.2 候选扩展词的获取 8.3.3 基于单词表示的词特征抽取 8.3.4 词标注策略 8.3.5 基于排序学展词排序模型 8.4 词排序模型能评估 8.4.1 实验设置 8.4.2 点级、对级和列表级方法的能评估 8.4.3 与基线模型的结果比较 8.4.4 跨数据集训练词排序模型的有效 8.4.5 参数选择过程 8.4.6 词排序模型的分析与讨论 8.5 本章小结 参考文献第9章 基于社会化标注和主题模型的个化检索 9.1 引言 9.2 相关研究工作 9.3 基于社会化标注的个化文档检索 9.3.1 文档重构 9.3.2 主题模型优化 9.3.3 个化文档检索 9.4 个化检索方法能评估 9.4.1 实验设置 9.4.2 实验结果与分析 9.5 本章小结 参考文献第10章 融合语义词向量的社交媒体文本检索 10.1 引言 10.2 相关研究工作 10.3 基于词向量的微博查询扩展 10.4 微博检索方法能评估 10.4.1 实验设置 10.4.2 微博检索伪相关反馈的参数选择 10.4.3 实验对比模型 10.4.4 基于词向量的伪相关反馈查询扩展能 10.5 本章小结 参考文献第11章 面向社交媒体的用户画像技术 11.1 引言 11.2 相关研究工作 11.3 基于两阶段多通路模型融合框架的用户画像构建方法 11.4 融合特征萃取的多粒度卷积神经网络用户画像构建方法 11.4.1 多粒度用户特征抽取 11.4.2 特征融合层 11.4.3 综合输出层 11.5 基于社交卷积注意力网络的用户画像构建方法 11.5.1 基于文本注意力的用户属分类 11.5.2 基于文本和社交网络注意力的用户属分类 11.6 用户画像方法能评估 11.6.1 实验设置 11.6.2 对比模型 11.6.3 注意力层的效用 11.6.4 文本注意力和社交网络注意力的效用 11.6.5 注意力可视化 11.7 本章小结 参考文献第12章 面向多样化排序的文本匹配 12.1 引言 12.2 文本匹配技术及其研展 12.2.1 问答技术 12.2.2 面向多样的信息检索 12.2.3 面向文本的排序学 12.3 面向多样排序的文本匹配方法 12.3.1 方法整体框架 12.3.2 答案的标注策略 12.3.3 排序特征抽取 12.3.4 答案排序学 12.4 文本匹配方法能评估 12.4.1 实验设置 12.4.2 评价指标 12.4.3 问题和答案的标注 12.4.4 对比的排序模型 12.4.5 检索能评估结果 12.4.6 不同排序学的能评估 12.4.7 讨论 12.5 本章小结 参考文献第13章 基于胶囊网络的问答研究 13.1 引言 13.2 基于胶囊网络的问答模型 13.2.1 输入表示 13.2.2 交互信息提取 13.2.3 双向胶囊网络层 13.3 问答方法能评估 13.3.1 实验设置 13.3.2 问答模型能评估 13.3.3 所提出模型中不同层的影响 13.3.4 过采样的影响 13.3.5 动态路由算法中迭代次数的作用 13.4 本章小结 参考文献第14章 结与展望 14.1 结 14.2 展望编后记彩图