声明
第 1章绪论
1.2研究现状
1.3 本文的主要工作
1.4本文的文章结构
第2章相关算法基本原理
2.1特征提取方法
2.2相似度量指标
2. 3 深度学习
2. 4 强化学习
2. 3深度强化学习
第3章 基于Twitter流的实时检索框架
3.2 兴趣域介绍
3.4 文本过滤
3.5 文本预处理
3.7 冗余过滤
3.8本章小结
第4章基于相似度量方法的匹配模型
4.2建模
4.3评估指标及实验结果
4.4本章小结
第5章基于深度强化学习的匹配模型
5.2 文本流动作设计
5.3 文本流状态设计
5.4 回报函数设计
5.5 Q-Iearning
5.6 DQN算法模型
5.7 实验
5.8 本章小结
第6章总结与展望
6.2 展望与进一步的工作
参考文献
附录六第四章模型详细评估结果
攻读学位期间取得的研究成果
致谢