文摘
英文文摘
独创性说明及大连理工大学学位论文版权使用授权书
1绪论
1.1信息过滤研究的背景
1.2信息过滤的概念,分类和评测
1.3自适应信息过滤
1.4研究的现状和当前研究的重点
1.4.1国内外研究的现状
1.4.2研究的技术路线
1.4.3当前研究中的难点和重点
1.5论文的重点和研究方法
1.5.1研究重点
1.5.2研究方法
1.6本文所做的具体工作
1.7论文的组织
2自适应信息过滤
2.1自适应信息过滤概念和特点
2.1.1自适应信息过滤概念
2.1.2自适应信息过滤的特点
2.2自适应信息过滤模型
2.2.1布尔模型
2.2.2向量空间模型
2.2.3概率模型
2.2.4其他模型
2.3自适应信息过滤新模型
2.4自适应信息过滤流程
2.5 TREC信息过滤任务与评测
2.5.1 TREC信息过滤任务
2.5.2信息过滤评测
3自适应信息过滤训练
3.1信息的预处理和特征选取
3.1.1 web网页文本信息的抽取
3.1.2特征的提取
3.1.3特征项的向量化
3.2过滤模板(Profile)的训练
3.2.1初始模板的建立
3.2.2伪相关反馈学习
3.2.3需求模板(profile)的训练
4自适应信息过滤测试
4.1自适应信息过滤的阈值优化
4.1.1阈值自适应调整方法简介
4.1.2一种新的阈值自适应调整方法
4.1.3文档相关信息的判定策略
4.2用户反馈的阈值自适应调整
4.3用户反馈的模板自适应调整
4.3.1模板向量的调整
4.3.2模板特征的学习
5实验结果与分析
5.1系统平台和语料来源
5.2实验结果分析
5.2.1训练集上两种伪相关反馈学习方法实验
5.2.2增量学习伪相关反馈中两种特征选择方法试验
5.2.3测试集上阈值调整的试验
5.2.4测试集上用户反馈模板调整的实验
5.2.5系统整体性能比较实验
5.3实验总结
5.4下一步的工作和目标
结 论
参考文献
附录A Html文档标签及其权重
附录B单次反馈学习与增量学习在训练集上实验数据
附录C增量学习中两种特征选择方法实验数据
附录D单次反馈与增量学习测试集上实验数据
攻读硕士学位期间发表学术论文情况
致 谢