幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

搜索引擎中的實體推薦關鍵技術研究/CCF優秀博士學位論文叢書

  • 作者：黃際洲|責編:梁偉//游靜
  • 出版社：機械工業
  • ISBN：9787111701170
  • 出版日期：2022/06/01
  • 裝幀：平裝
  • 頁數：221
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    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展和進化，從被動地為用戶提供查詢結果，轉變為主動地為用戶提供直接答案並推薦相關信息。其中，實體推薦是推薦粒度最細且信息量最豐富的一種信息推薦形式，備受學術界重視，也深受用戶歡迎。本書圍繞實體推薦，針對實體推薦演算法的改進和推薦理由的生成這兩方面的關鍵技術進行研究，並得出研究結論。
    本書適合電腦領域的研究生以及從業人員閱讀，可以幫助讀者較全面地了解實體推薦演算法。
作者介紹
黃際洲|責編:梁偉//游靜
    黃際洲，正高級工程師，百度人工智慧技術委員會主席，百度地圖首席研發架構師。多年來一直從事自然語言處理、知識圖譜、數據挖掘等人工智慧相關技術研發及大規模產業化工作，先後擔任百度阿拉丁、圖片搜索、搜索推薦、信息流推薦、百度地圖等產品的研發架構師。已發表學術論文30余篇，獲得已授權專利110余項。曾榮獲中國電子學會科技進步一等獎、CCF優秀博士學位論文獎。
目錄
叢書序
導師序
摘要
第1章  緒論
  1.1  課題背景及意義
    1.1.1  實體推薦的定義及研究背景
    1.1.2  實體推薦的挑戰及研究意義
  1.2  研究現狀及分析
    1.2.1  實體推薦演算法
    1.2.2  實體推薦的可解釋性
    1.2.3  尚且存在的問題
  1.3  本書的研究內容及章節安排
第2章  基於排序學習與信息新穎性增強的實體推薦
  2.1  引言
  2.2  問題定義
    2.2.1  信息新穎性定義
    2.2.2  基於信息新穎性增強的實體推薦任務定義
  2.3  基於排序學習框架的實體推薦演算法
    2.3.1  相關實體發現
    2.3.2  相關實體排序
  2.4  實驗設置
    2.4.1  實驗數據
    2.4.2  基線方法
    2.4.3  評價指標
  2.5  實驗結果與分析
    2.5.1  本方法與五種基線方法的比較
    2.5.2  不同特徵的貢獻度分析
  2.6  本章小結
第3章  基於深度多任務學習的上下文相關實體推薦
  3.1  引言
  3.2  問題定義
    3.2.1  上下文相關實體推薦任務定義
    3.2.2  使用多任務學習的原因
  3.3  基於多任務學習的上下文相關實體推薦模型
    3.3.1  上下文無關實體推薦模型
    3.3.2  上下文相關實體推薦模型
    3.3.3  使用多任務學習提升上下文相關實體推薦模型的效果
    3.3.4  利用上下文相關實體推薦模型提升推薦效果
  3.4  實驗設置
    3.4.1  實驗數據與評價指標
    3.4.2  基線方法
  3.5  實驗結果與分析
    3.5.1  上下文信息的影響
    3.5.2  多任務學習與單任務學習的比較
    3.5.3  實體推薦模型的比較
    3.5.4  搜索會話長度的影響
    3.5.5  上下文相關文檔排序的效果
  3.6  本章小結
第4章  基於卷積神經網路的實體對推薦理由識別
  4.1  引言

  4.2  問題定義
  4.3  實體對推薦理由識別方法
    4.3.1  訓練數據的構建方法
    4.3.2  基於卷積神經網路的排序模型
  4.4  實驗設置
    4.4.1  實驗數據
    4.4.2  基線方法
    4.4.3  評價指標
  4.5  實驗結果與分析
    4.5.1  人工設計特徵與自動學習特徵的比較
    4.5.2  基於pointwise與基於pairwise的排序方法的比較
    4.5.3  本方法與三種基線方法的比較
  4.6  本章小結
第5章  基於機器翻譯模型的實體推薦理由生成
  5.1  引言
  5.2  問題定義
  5.3  基於統計機器翻譯模型的實體推薦理由生成
  5.4  基於神經機器翻譯模型的實體推薦理由生成
    5.4.1  Seq2Seq模型
    5.4.2  由實體信息指導的Seq2Seq模型
    5.4.3  基於Seq2Seq的實體推薦理由生成模型
  5.5  實驗設置
    5.5.1  實驗數據
    5.5.2  對比方法
    5.5.3  評價指標
  5.6  實驗結果與分析
    5.6.1  不同實體推薦理由生成方法的比較與分析
    5.6.2  基於Seq2Seq的實體推薦理由生成模型分析
    5.6.3  基於實例的方法的比較與分析
  5.7  本章小結
結論
參考文獻
攻讀博士學位期間發表的論文及其他成果
致謝

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032