返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 面向互联网的智能信息检索技术研究 徐博 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 徐博著
    • 出版社: 科学出版社
    • 出版时间:2021-11-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 徐博著
    • 出版社:科学出版社
    • 出版时间:2021-11-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-11-01
    • 字数:320000
    • 页数:236
    • 开本:16开
    • 装帧:平装
    • ISBN:9787030700643
    • 国别/地区:中国
    • 版权提供:科学出版社

    面向互联网的智能信息检索技术研究

    作  者:徐博 著
    定  价:129
    出 版 社:科学出版社
    出版日期:2021年11月01日
    页  数:236
    装  帧:平装
    ISBN:9787030700643
    主编推荐

    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,总结并梳理了面向互联网的智能信息检索技术的近期新前沿进展,从查询意图理解和相关性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,进而通过将智能检索技术应用于智能问答、医疗检索、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全新解读,促进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。

    作者简介

    精彩内容

    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性排序
    1.4 排序学习
    1.4.1 点级排序学习模型
    1.4.2 对级排序学习模型
    1.4.3 列表级排序学习模型
    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 面向最终分类的查询意图分类
    2.6 查询意图分类方法性能评估
    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性能评估
    3.4.1 实验设置
    3.4.2 标注策略性能评估
    3.4.3 扩展词特征性能评估
    3.4.4 损失函数性能评估
    3.4.5 整体检索性能
    3.4.6 实验结果与分析
    3.5 本章小结
    参考文献
    第4章 排序学习文档特征生成
    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性能评估
    4.4.1 实验设置
    4.4.2 多种自编码器强化的排序性能对比
    4.4.3 多种排序学习方法的性能对比
    4.4.4 与深度排序模型的检索性能对比
    4.4.5 特征维度对实验性能的影响
    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习算法
    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 平均排序倒数
    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性能评估
    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性能评估
    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习模型
    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习
    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性进行排序
    6.5 多重损失函数融合排序方法性能评估
    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 整体性能比较
    6.5.8 与其他算法的比较
    6.6 本章小结
    参考文献
    第7章 基于排序学习的情感原因抽取
    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性能评估
    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 特征词的性能比较
    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 基于排序学习的扩展词排序模型
    8.4 词排序模型性能评估
    8.4.1 实验设置
    8.4.2 点级、对级和列表级方法的性能评估
    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性
    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性化检索
    9.1 引言
    9.2 相关研究工作
    9.3 基于社会化标注的个性化文档检索
    9.3.1 文档重构
    9.3.2 主题模型优化
    9.3.3 个性化文档检索
    9.4 个性化检索方法性能评估
    9.4.1

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购