包邮个性化查询推荐方法

目录“新一代人工智能理论、技术及应用丛书”序前言第1章 绪论 11.1 研究概述与研究问题 21.2 本书的主要贡献 5参考文献 7第2章 基于用户行为分析的个性化查询**方法 92.1 问题描述 92.2 基于概率图模型的个性化查询**建模 112.2.1 概率图模型 112.2.2 基于概率图模型的个性化查询**方法 132.3 用户行为建模 152.3.1 基于贝叶斯概率矩阵分解的用户-查询偏好矩阵 152.3.2 用户长期和短期查询行为建模分析 182.4 基于用户行为分析的个性化查询**模型 202.5 实验与结果分析 212.5.1 查询**性能衡量指标 212.5.2 实验设计 222.5.3 实验数据 232.5.4 参数设置 242.5.5 结果分析 242.6 本章小结 28参考文献 28第3章 基于多样化和个性化相结合的查询**方法 303.1 问题描述 303.2 基于贪婪算法的多样化查询**模型 313.2.1 模型假设和符号说明 313.2.2 基于 LDA 主题模型的查询-主题分布 323.2.3 多样化查询**模型 363.3 基于多样化和个性化相结合的查询**模型 383.3.1 模型构建 383.3.2 模型分析 383.4 实验与结果分析 403.4.1 查询**性能衡量指标 413.4.2 实验设计 413.4.3 实验数据 423.4.4 参数设置 433.4.5 结果分析 433.5 本章小结 48参考文献 49第4章 基于查询词时敏特征的个性化查询**方法 524.1 问题描述 524.2 相关研究工作 534.2.1 对于时间敏感的查询**方法 544.2.2 对于时间敏感的信息检索方法 554.3 基于查询词时敏特征的个性化查询**模型 564.3.1 查询词频率周期性变化特征 564.3.2 查询词频率非周期性变化特征 574.3.3 模型构建 584.4 实验与结果分析 604.4.1 实验设计 604.4.2 实验设置 604.4.3 结果分析 624.5 本章小结 67参考文献 67第5章 地理位置敏感的个性化查询**方法 705.1 问题描述 705.2 相关研究工作 715.2.1 基于用户搜索历史的查询**方法 715.2.2 地理信息检索方法 735.3 地理位置敏感的个性化查询**模型 745.3.1 地理信息提取 745.3.2 排序模型构建 775.4 实验与结果分析 795.4.1 实验设计 795.4.2 实验设置 795.4.3 结果分析 815.5 本章小结 85参考文献 85第6章 基于用户主题兴趣的个性化查询**方法 886.1 问题描述 886.2 相关研究工作 896.2.1 数据稀疏性问题的查询**方法 896.2.2 基于相似用户的协同信息检索方法 906.2.3 主题模型 916.3 基于用户主题兴趣的个性化查询**模型 916.3.1 利用传统主题模型进行用户聚类 926.3.2 利用相似用户主题模型进行用户聚类 956.3.3 排序模型构建 986.4 实验与结果分析 1016.4.1 实验设计 1016.4.2 实验设置 1016.4.3 结果分析 1036.5 本章小结 108参考文献 108第7章 面向复杂检索任务的个性化查询**方法 1117.1 问题描述 1117.2 相关研究工作 1127.2.1 基于机器学习的查询**方法 1127.2.2 检索任务识别方法 1147.3 面向复杂检索任务的个性化查询**模型 1157.3.1 检索任务识别 1157.3.2 排序模型构建 1167.4 实验与结果分析 1207.4.1 实验设计 1207.4.2 实验设置 1207.4.3 结果分析 1227.5 本章小结 125参考文献 125第8章 基于神经网络的个性化查询**方法 1288.1 问题描述 1288.2 相关研究工作 1298.2.1 基于神经网络的查询**方法 1298.2.2 基于RNN的物品**方法 1308.3 基于神经网络的个性化查询**模型 1318.3.1 基础排序模型构建 1318.3.2 个性化排序模型构建 1338.3.3 基于注意力机制的个性化排序模型构建 1348.4 实验与结果分析 1378.4.1 实验设计 1378.4.2 实验设置 1378.4.3 实验结果分析 1388.5 本章小结 142参考文献 143第9章 总结与展望 1459.1 研究总结 1459.2 研究展望 149参考文献 150