一、如何利用搜索引擎进行信息检索(论文文献综述)
宣立颖[1](2021)在《大学生搜索引擎信息检索行为现状分析》文中研究说明网络信息资源呈爆炸式增长,大学生获取需要的信息资源时,对网络搜索引擎的依赖性越来越强。然而由于搜索引擎质量良莠不齐,大学生自身的信息素养与检索能力具有局限性,难以全面准确地检索到自己所需要的信息。因此,研究当代大学生通过网络搜索引擎检索所需信息资源时的行为特征与影响因素,提出有针对性的建议与策略,对设置合适的检索教学任务和内容是十分重要的。
曲琳琳[2](2021)在《查询翻译方法研究——以汉英跨语言信息检索为例》文中进行了进一步梳理【目的/意义】跨语言信息检索研究的目的即在消除因语言的差异而导致信息查询的困难,提高从大量纷繁复杂的查找特定信息的效率。同时提供一种更加方便的途径使得用户能够使用自己熟悉的语言检索另外一种语言文档。【方法/过程】本文通过对国内外跨语言信息检索的研究现状分析,介绍了目前几种查询翻译的方法,包括:直接查询翻译、文献翻译、中间语言翻译以及查询—文献翻译方法,对其效果进行比较,然后阐述了跨语言检索关键技术,对使用基于双语词典、语料库、机器翻译技术等产生的歧义性提出了解决方法及评价。【结果/结论】使用自然语言处理技术、共现技术、相关反馈技术、扩展技术、双向翻译技术以及基于本体信息检索技术确保知识词典的覆盖度和歧义性处理,通过对跨语言检索实验分析证明采用知识词典、语料库和搜索引擎组合能够提高查询效率。【创新/局限】本文为了解决跨语言信息检索使用词典、语料库中词语缺乏的现象,提出通过搜索引擎从网页获取信息资源来充实语料库中语句对不足的问题。文章主要针对中英文信息检索问题进行了探讨,解决方法还需要进一步研究,如中文切词困难以及字典覆盖率低等严重影响检索的效率。
谭少华[3](2021)在《基于PBL模式的初中《信息技术课程》信息检索教学策略研究》文中认为信息检索教学,是培养学生信息素养的重要途径,可惜没有被足够的重视。初中生信息检索教学并未作为一门课程,而与之最关联的是信息技术课程中网络获取和保存信息的内容。为提高学生的信息检索能力,提升信息素养,信息技术教师应利用现代教学方法,突出学生在学习活动中的主体地位,优化教学过程,提高教学效果。本研究首先对信息检索教学相关文献和项目教学的相关研究进行梳理,掌握基于项目的信息检索教学的基本特点和理论基础,其次对调查问卷中初中《信息技术课程》信息检索教学的教学现状和学习现状进行调查分析,制定基于PBL初中信息技术课程信息检索教学的策略,在某初中选取两个班级开展教学实验。两个班级分别运用传统教学模式和基于项目教学模式进行教学活动。在教学实践后,对两个班级进行后测测试,结合三次项目教学法个人成绩的平均分和后测成绩计算出学生信息检索学习最终成绩,对比学习效果。对实验项目教学的班级学生进行教学效果调查,分析制定的教学策略对学生学习态度和能力等因素的影响。根据实验班和对照班学生的学习成绩的对比以及对实验班学生教学效果的调查,项目教学比传统教学在多方面具有优势,包括激发学习积极性、提高信息检索能力、提升信息素养等。为了提高信息检索教学效果,教师结合自身教学情况,设计基于项目的信息检索教学案例。通过项目教学提高学生信息检索能力,发展学生信息素养。
赵一凡[4](2021)在《钻完井数据综合集成系统中智能检索模型的研究与实现》文中提出石油钻井作业具有高投入、高风险的特点,在作业的各个阶段均存在不同程度的作业风险,严重影响钻井的质量和效率。石油钻井和完井作业是多专业、多技术、多软件综合作业工程体系,多种专业软件数据之间没有实现数据融合互通,制约了数据间综合利用,不能对钻井作业进行更充分的指导。在钻完井数据综合集成的背景下,将地质数据和工程数据综合集成,实现对钻完井数据的统一检索,可以提高用户对数据的有效利用。通过对钻完井作业中潜在井漏和井涌事故进行预警和评估,可以更好的指导钻完井作业,降低事故发生的概率,减小事故造成的损失。针对上述需求,本文实现了对油井数据、钻完井文本数据检索和钻完井风险预警的功能,主要研究了以下内容:(1)在对文本数据进行检索时,针对搜索引擎BM25概率检索模型假设词项之间相互独立,忽视了词项之间关联关系的问题,本文提出了基于词项权重的最小邻近度概率检索模型(简称TW-MINP-BM25),并且研究了影响模型性能的影响因子。通过实验数据分析,相较于BM25概率模型,TW-MINP-BM25能有效提高检索的性能。(2)在钻完井实时数据采集的基础上,本文使用井漏和井涌风险识别算法,对钻井作业中井漏和井涌风险进行识别与预警,构建了智能案例检索与风险评估模型。该模型通过对比油井实时数据与事故案例征兆数据项之间的相似度,检索出与正钻井工况相似的案例,并根据事故案例对井漏和井涌风险等级进行评估,能够辅助工程师及时、准确的做出决策判断,调整钻井措施,找到最优的处理方案,降低钻完井作业中由于井漏和井涌事故造成的损失。(3)基于钻完井数据综合集成系统,设计并实现了钻完井风险预警与数据检索模块。对于钻完井风险预警的功能,本文设计了基于Witsml标准和HTTP/SOAP协议的实时数据采集方案,并将实时数据以二维曲线方式展示,利用智能案例检索与风险评估模型实现井涌和井漏风险的预警以及事故案例的检索。对于数据检索的功能,使用Elasticsearch搜索引擎实现对结构化油井数据和钻完井文本数据的检索,将结构化的油井数据转化为油井Json文档对象,以全文检索的方式对油井数据进行检索,提高检索效率。对于钻完井文本数据,使用TW-MINP-BM25检索模型以提高检索的性能。
曹越[5](2021)在《移动O2O情境下用户信息搜寻行为研究》文中进行了进一步梳理数字经济背景下,数据驱动的新技术与新模式不断涌现,信息已成为社会发展进程中不可或缺的基础性和战略性资源。随着移动互联网与手机等智能终端的全面普及,各类移动应用给人们的生活方式带来了颠覆性变革,人们获取信息的主要渠道开始由PC端向移动端迁移,因此移动情境下的用户信息行为成为当前的热点研究领域。与此同时,移动互联网与线下实体经济的联系日益紧密,线上线下融合趋势明显,本地生活O2O服务成为继电子商务之后新一个万亿级市场,移动O2O开始全面融入人们的日常生活,并拓展到教育、医疗、养老、城市管理、社区服务等诸多领域,大大加速了全社会的整体数字化进程。作为一种基于移动网络和线上线下交互的新型商业模式,移动O2O能够充分发挥手机的便携性、位置的可追踪性、高互动性等优势,渗透到居民生活的每个角落,随时随地为用户提供个性化、场景化的优质服务。技术进步带来了信息资源的爆炸性增长和信息异质性、复杂性的激增,然而个体的认知容量和信息处理能力却是有限的,二者之间的矛盾导致当代网络用户面临着严重的信息超载问题以及巨大的信息搜寻压力,因此如何提高信息搜寻效果、改善信息搜寻体验成为学术界和产业界共同关注的焦点问题。与传统的基于PC端的网络信息搜寻相比,移动O2O情境下的信息搜寻场景和内容更加复杂,且在用户的需求动机、搜寻渠道、方式与策略等方面均存在显着性差异,表现出独特的行为特征与内在逻辑,可见有必要对其展开针对性研究。然而,对于这种融入了线下场景的移动O2O情境下的用户信息搜寻行为,目前学者们尚未给予足够的的关注和重视,相关理论成果有待补充。故而,本研究以移动O2O情境为切入点,将用户线上与线下的信息搜寻行为有机融合,在综合运用多种研究方法与研究理论的基础上,针对移动O2O情境下的用户信息搜寻行为的整体理论模型及行为的“动机—过程—结果”展开系统性研究,以揭示移动O2O情境下用户信息搜寻行为的特征与规律,探寻其影响因素及相应的作用机制,从而针对性地提出移动O2O情境下用户信息搜寻行为的引导和优化策略,为移动O2O平台和商家改进信息服务及推荐系统、构建“以用户为中心”的信息服务体系提供参考与借鉴。本研究主要开展了以下几方面的工作:(1)在全面梳理信息搜寻经典理论、模型与现有研究成果的基础之上,基于扎根理论与深度访谈法对移动O2O情境下用户信息搜寻行为的过程、内在机理与影响因素进行了探索性研究,从全局视角出发,构建了移动O2O情境下用户信息搜寻行为的理论模型。该模型描述了移动O2O情境下用户从产生信息需求到结束信息搜寻行为的全过程及行为机理,包括信息需求认知、信息搜寻渠道选择、信息搜寻策略选择、信息筛选与评价和信息搜寻结果五个阶段;并总结归纳了会对该过程产生影响的各方面因素,包括个体特征、信息素养、感知成本、感知风险和情感因素等主观影响因素,以及情境因素、技术因素、社群影响、任务特征和产品特征等客观影响因素。新模型能够较好地体现移动O2O情境下用户信息搜寻行为的特征与规律,拓展了信息搜寻研究情境,是对用户信息行为研究的有益补充,也为后续定量研究的开展提供了理论支撑。(2)从搜寻动机角度出发,采用结构方程模型方法对移动O2O情境下用户信息搜寻行为的驱动因素进行了实证研究,从而挖掘用户行为的内在心理动机、外生影响因素以及相应的影响机制。在对移动O2O情境下用户信息搜寻行为的特征进行总结分析的基础之上,以“动机、机会、能力”(MOA)模型和技术接受与使用统一理论(UTAUT)作为参考,引入信息需求、感知成本、感知风险、情感因素等新变量,构建移动O2O情境下用户信息搜寻行为驱动因素模型,然后通过问卷调查采集数据,借助SPSS 21.0,Smart PLS 3.0等软件进行数据分析与模型检验。实证研究结果表明:绩效期望、信息需求、努力期望、情感因素和社会影响对移动O2O情境下用户信息搜寻意向的正向影响显着,而感知风险则对其有显着负向影响;搜寻意向、便利条件和搜寻能力三个变量之间存在交互关系,只有在三者兼备的条件下,信息搜寻行为才会发生。(3)从搜寻过程角度出发,通过用户实验方法探索了个体特征与任务特征对移动O2O情境下用户信息搜寻行为过程的影响。采用半受控形式的用户实验方法,在尽量还原真实移动O2O情境的前提下,邀请了48位被试者完成4个模拟情境下的信息搜寻任务,并通过屏幕录制软件(录屏大师APP)辅以出声思考法采集信息搜寻行为数据。然后以个体特征和任务特征作为自变量、信息搜寻行为指标作为因变量采集相应数据进行量化分析,考察在不同任务情境下、具有不同个体特征的用户如何选择信息搜寻的渠道、方式和策略,探索相应的行为规律。其中个体特征通过大五人格特征量表(NEO-FFI)进行测度,包括神经质、外向性、开放性、宜人性与尽责性五个维度,任务特征则通过复杂性和紧迫性两个维度进行分类。研究结果有助于移动O2O平台与服务提供商针对不同任务情境和用户群体改进搜索系统和交互界面、优化信息资源提供方式,实现更加精准高效的信息推荐以及更具个性化的信息服务。(4)从搜寻结果角度出发,基于信息增益理论和支持向量机(SVM)算法对移动O2O情境下用户信息搜寻满意度的关键影响因素进行了识别。在文献回顾与用户访谈的基础上,对移动O2O情境下用户信息搜寻满意度的影响因素进行整理和归纳,最终提取出涵盖用户、信息、技术、环境与渠道五个维度的一共57个影响因素,以此为依据设计调查问卷并收集数据,得到313个有效样本。然后运用信息增益理论对各个影响因素与用户信息搜寻满意度之间的关联程度进行量化分析,借助SQL软件计算各因素的信息增益值并进行排序,由此识别出移动O2O情境下用户信息搜寻满意度的16个关键影响因素(包括便捷性、信息有用性、个性化需求满足、位置相关性、经济性、需求认知能力、产品/服务差异性、信息筛选能力、信息时效性、信息技术能力、周边环境、商家服务态度、渠道信任度、界面友好性、可操作性和信息形式)。在此基础上利用SVM算法构建移动O2O情境下用户信息搜寻满意度预测模型,数据检验结果显示,该模型在测试集中的分类精确度达到了86.79%,说明模型具有较高的预测能力,由此也验证了通过信息增益理论识别出的关键影响因素的合理性和有效性。(5)在前述研究的基础上,重点从移动O2O平台和实体商家角度出发,兼顾用户、政府和行业监管方等多个视角,分别提出了移动O2O情境下用户信息搜寻行为的引导策略和优化策略,以期为促进移动O2O情境下用户信息搜寻行为、提升移动O2O情境下用户信息搜寻效果提供一些切实可行的建议和参考。
方晓[6](2021)在《基于词嵌入模型的查询优化方法研究》文中认为随着互联网时代的到来,搜索引擎开始被人们普遍使用。在信息检索任务中,针对冷门查询时,由于用户的搜索词范围过小,导致搜索引擎无法检索出需要的数据,从而降低了用户的使用体验。此时查询优化系统可以有效辅助搜索引擎以提供可靠服务。常见的查询优化方法包含查询扩展与查询推荐两种,查询扩展可以根据用户的原查询内容进行扩展,并将扩展后的所有信息融入信息检索系统,从而提高系统的查全率。查询推荐可以根据用户输入的原查询内容进行相关性联想,从而推荐给用户可能希望得到的候选查询,两种查询优化方法都需要获取到与原查询相关性较高的语义信息。而词嵌入模型具有从大量文本中提取到语义信息的特性,所以本文结合词嵌入模型和查询优化模型进行研究,以获取更多所需的语义信息。本文针对以上所述内容进行了如下三个方面的研究:(1)基于词嵌入模型提出语义相关模型,可以从富含语义信息的语料中提取更深层的词语间语义信息。这些深层语义信息可以为查询优化系统提供更加全面有效的特征支持,从而分析词语间的语义关系。在近义词林、语言知识库“HowNet”义原标注信息等语义数据中抽取局部语义相关分布,利用神经网络模型的深度挖掘能力将语料空间中每一个词语的局部语义相关分布拟合成全局语义相关分布;(2)利用多种算法提取查询中词语的词性、词频、词长等特征,提出融合算法将各种特征有机融合。将提取的词语特征融合语义相关模型实现查询扩展任务,并针对算法中的各项参数进行调整实验,不断迭代优化模型效果。在基于大量网页文档的查询实验中,基于语义相关模型的查询扩展模型效果优于传统Word2vec模型;(3)提出粗粒度的文本相似度计算算法与细粒度的查询向量相似度计算算法,将语义相关模型与两种相似度计算算法融合进行查询推荐实验研究。实验通过大量查询日志获取候选查询推荐,再基于相似度计算算法进行推荐匹配度计算。实验结果表明,在选定恰当阈值的前提下,基于语义相关模型的查询推荐方法更加有效。
戚园园[7](2021)在《基于特征表示学习的文本检索研究》文中进行了进一步梳理文本检索是自然语言处理领域中的重要内容,也是大数据和人工智能时代的基础支撑技术。文本检索不但是人们从互联网大数据中获取所需信息的有效手段,也是开发其他智能系统,如问答对话系统的重要条件。判断一篇文档是否与用户查询相关是文本检索的核心问题。为了解决这一问题,文本检索模型通常将用户查询和候选文档映射到同一向量空间,继而计算它们之间的相关性。这便是文本检索的文本特征表示和相关性计算。文本特征表示有经典统计和机器学习两类方法。而查询与文档的相关性定义也有逻辑值和实数值两种。当相关性为逻辑值时,还需要利用专门的排序算法对所有相关文档进行排序。当相关性为实数值时,相关性本身便是对文档进行排序的依据。本文对上述问题进行了深入系统的研究,取得的主要创新性成果如下:1.提出一种基于显着上下特征表示的文本检索模型。采用滑动窗口的方法寻找文档中与查询具有显着语义相关性的上下文,利用这些上下文获得文档的显着上下文特征表示,从而更好解决长文档与查询间的匹配问题。新的文本特征表示中包含上下文信息,联合构建层次化的文本相关匹配,实验结果表明该模型同时提高了文本检索的精度和召回率。2.提出一种基于卷积图拓扑特征表示的文本检索模型。将查询和文档的上下文向量转换为图拓扑结构后,利用图卷积网络生成新的文本特征。此类文本特征表示不仅包含上下文信息,同时还包含全局结构化信息。实验结果表明该模型有效改善了文本检索精度。3.提出一种交互图拓扑特征表示的文本检索模型。结合双向注意力网络和图注意力网络将上下文向量表示转换为基于交互图拓扑特征的文本表示。此类文本特征表示不仅包含上下文信息,同时还包含交互信息和不同注意力加权后的全局结构化信息。实验结果验证了该模型的有效性。
李冉[8](2021)在《信息素养类慕课的案例分析及面向学术的教学设计研究》文中研究说明近年来,信息技术的发展速度变得越来越快,在这样的背景之下,信息素养教育也有了一定程度的发展。加之国家对于信息素养教育越来越重视,因此,我国的各大高校都在不断加强对信息化人才的培养,通过多种方式进行信息素养教育。并且,伴随着网络的普及,教育领域中教学的方式和方法也在不断进行着改进和创新,慕课正是在这样的发展变化中产生的一种新型的在线学习方式。慕课的出现也带动了信息素养课程的发展,各高校开设的信息素养慕课数量不断增加,然而信息素养慕课教学仍然存在着缺乏系统性,教学内容杂乱无章等问题。在此背景下,本文采用文献研究法、调查研究法对高校信息素养慕课进行了研究。首先利用文献研究法,梳理了国内外对于信息素养、慕课、信息素养慕课的研究情况,了解了当前信息素养慕课研究的主要内容。其次,利用文献研究法、调查研究法对教学设计的理论基础进行了分析,并且在其他研究者对迪克—凯瑞模型、史密斯—雷根模型、肯普模型对比研究的基础之上,以教学设计的关键要素为依据确定了此次研究的分析框架。然后,本研究将中国大学慕课平台确定为此次研究的调研平台,并从中选取了十门课程进行调查研究,依据确定的分析框架从教学设计的角度对十门样本的前期分析、教学目标、教学内容、教学策略、教学资源、教学评价几个大的方面进行对比分析;通过对十门慕课样本进行的对比分析,笔者发现其中存在的问题,对其原因进行了分析并给出了相应的对策建议。最后,由于对于高校而言,学术研究是信息素养课程中最常见的内容,依据前期的调查分析的结果,笔者以学术研究为例提出了信息素养慕课的教学设计改进方案。本文通过梳理国内外信息素养以及慕课的研究现状,对所选择的高校开设的信息素养慕课样本的教学设计进行对比分析,并且以学术研究领域为例进行了信息素养慕课的教学设计,有利于信息素养慕课教学体系的优化与完善,为我国信息素养慕课的发展提供借鉴。
杨方韬[9](2021)在《基于深度神经网络的问答系统答案选择方法研究》文中指出随着互联网技术的飞速发展,人们获取信息的渠道越来越多,这些碎片化的信息极易遗忘;另外,由于数字化的普及,人们对知识查询的需求量也越来越大。通过问答系统,用户不需要像传统搜索引擎那样,从其返回的长文本或者商品目录中检索答案,而是直接得到较为精准、简短的答案。由于计算机技术的发展和深度学习在自然语言处理中的应用,对问答系统的研究有了新的方向。基于神经网络的语言模型可以将问题和语料表示为具有语义特性的向量,从而自动的从语料中找到相匹配的答案。相较于之前,深度神经网络结构有效的解决了构建专家系统繁琐的系统设计和反复的数据整理工作。本文对目前问答系统的研究进行了梳理,在此基础上实现了基于信息检索和深度答案匹配的混合问答系统。使用信息检索算法从大规模的答案库中筛选出具有具有关键信息的部分答案;再使用基于深度神经网络的答案匹配算法模型对初筛后的部分答案与用户的提问计算相似度,以此得到最佳答案。本文工作具体为以下一点:首先,构建基于BERT的答案选择模型,本文使用TREC QA数据集和Wiki QA数据集,对BERT算法及其迁移学习的思想进行融合,使用BERT来实现答案选择,并对BERT在TREC QA数据集和Wiki QA数据集上的实验结果进行了评估。其次,构建基于MESIM的答案选择模型,MESIM算法集成Transformer算法和ESIM算法的各自优势,并在最终的结果评估中取得了较好的指标。实验结果表明,BERT算法虽然指标上取得了不错的成绩,但是其性能消耗巨大,响应时间慢,用户体验差。而本文提出的MESIM算法取得了与BERT相当的指标,但是消耗的计算资源很小,响应时间很快,是一个有效的问答系统算法模型。最后,根据不同的深度神经网络算法构建了基于信息检索和重排序混合问答系统。本文构建的问答系统使用信息检索技术来对用户问题进行初筛,再使用基于深度学习的答案选择算法进行语义层面的匹配。实现了整个问答系统框架的搭建,以及对整个系统的评估。
吴进发[10](2021)在《电子病历搜索引擎中的新词发现和排序技术研究》文中研究说明电子病历(Electronic Medical Record,EMR)贯穿患者的整个医疗活动,包含患者的诊疗信息,对医生的诊断和决策起着关键作用。然而早期积累的大量非结构化中文电子病历文档(Xml格式)却给医生的病历检索和科研带来阻碍,如何快速准确地从电子病历中检索有用信息已经变得越来越迫切。因此本文研究了使用Elasticsearch(实时搜索引擎,ES)搜索引擎工具来构建电子病历全文检索系统,从而提高电子病历的检索效率。本文的研究主要包括以下三个方面:(1)本文提出了一种基于互信息与左右信息熵的中文新词发现改进算法用于电子病历搜索引擎。本文基于中文电子病历的文本特征和医学术语的词法,主要对预处理和算法结构两点进行改进。预处理上,本文基于中文医学主题词表和ICD-10疾病编码构建了医学词典,还参照电子病历文本中的医学词汇特点选取了部分停用词用于更新前置分词器的停用词表,用于提高中文新词发现算法中的前置分词效果,从而发现更多的新词。结构上,将算法中点互信息计算的改为点互信息均值,将左右信息熵的计算进行拆分,最终将两个分支的结果合并取交集。实验结果表明,本文提出的改进算法的新词发现效果优于改进前的新词发现效果。(2)本文提出了一种基于Ada Rank的电子病历搜索引擎搜索结果排序算法。传统的检索模型需要依靠人工设置排序公式,并在迭代过程中不断优化排序参数,手动调试参数工作量较大。近年来使用机器学习排序模型的排序学习算法开始在各领域大规模应用。在电子病历领域,使用排序学习的研究非常少,因此,本文将排序学习中的Ada Rank算法应用于电子病历,来对搜索引擎排序结果进行优化。本文通过人工标注心血管疾病电子病历文档,选取关键词对每个文档进行文档-查询词对标注,最后使用传统检索模型BM25,学习排序Rank Net、Lambda Rank、List Net、Lambda MART来进行对比实验,实验表明,本文提出的电子病历搜索算法对比传统的BM25算法和其他四种排序学习算法对电子病历的搜索结果排序优化效果更佳。(3)电子病历搜索引擎系统的设计与实现。基于(1)和(2)的研究,本文构建的病历搜索系统除了具有电子病历全文检索功能,还提供了用户管理功能,新词发现功能,电子病历查看功能。电子病历全文检索功能的应用使得电子病历的全文检索变得更加简便快速。
二、如何利用搜索引擎进行信息检索(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何利用搜索引擎进行信息检索(论文提纲范文)
(1)大学生搜索引擎信息检索行为现状分析(论文提纲范文)
一、大学生搜索引擎信息检索行为现状 |
(一)信息需求分析 |
(二)检索工具选择 |
(三)检索词确定 |
(四)检索结果筛选 |
二、大学生搜索引擎检索行为影响因素分析 |
(一)搜索引擎的响应速度及易得性 |
(二)检索结果显示界面结构设置 |
(三)学生个体差异 |
三、大学生搜索引擎检索行为分析思考 |
(一)合理利用搜索引擎可以提高大学生信息素养 |
(二)信息检索课程及培训内容设置 |
(三)提升自身判断检索结果能力 |
四、结语 |
(3)基于PBL模式的初中《信息技术课程》信息检索教学策略研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究的背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 国外研究现状综述 |
1.2.2 国内研究现状综述 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 研究思路与方法 |
1.4.1 研究思路 |
1.4.2 研究方法 |
2 相关概念和理论基础 |
2.1 相关概念 |
2.1.1 初中《信息技术课程》信息检索教学 |
2.1.2 教学策略 |
2.2 PBL教学模式 |
2.2.1 PBL概念 |
2.2.2 PBL基本特点和要素 |
2.2.3 PBL教学流程 |
2.3 理论基础 |
2.3.1 建构主义学习理论 |
2.3.2 杜威的实用主义教育理论 |
2.3.3 情境学习理论 |
3 初中生信息技术课程信息检索教学策略先导性研究 |
3.1 初中信息检索教学现状调查结果分析 |
3.2 初中学生信息检索学习现状调查结果分析 |
4 初中信息技术课程信息检索教学策略的制定 |
4.1 初中信息检索教学原则 |
4.2 初中信息技术课程信息检索教学策略制定的依据 |
4.2.1 初中信息检索教学的目标和内容 |
4.2.2 初中学生的年龄特点和心理特征 |
4.2.3 初中信息检索教学的实施条件 |
4.3 基于PBL初中信息技术课程信息检索教学策略 |
4.3.1 选定项目任务的策略 |
4.3.2 项目规划和准备的策略 |
4.3.3 管理项目的策略 |
4.3.4 项目回顾及完善的策略 |
5 基于PBL初中信息技术课程信息检索教学策略研究应用 |
5.1 实验内容 |
5.1.1 实验条件 |
5.1.2 选取实验对象 |
5.1.3 做出实验假设 |
5.1.4 选择实验材料 |
5.1.5 控制实验变量 |
5.2 实验过程 |
5.2.1 对照班的传统教学实施 |
5.2.2 实验班的采用基于PBL教学策略的应用设计 |
5.2.3 基于PBL《网上获取与保存信息》的教学案例 |
5.2.4 基于PBL《制定旅游计划书》的教学案例 |
5.2.5 基于PBL《网络信息辨真假》的教学案例 |
5.3 实验效果调查与分析 |
5.3.1 学生学习成绩数据分析 |
5.3.2 学生学习态度分析总结 |
5.3.3 基于PBL《初中信息技术课程》信息检索教学策略教学效果分析 |
5.3.4 学生项目教学评价访谈 |
5.3.5 教学总结与反思 |
6 研究总结与展望 |
6.1 研究总结 |
6.1.1 研究结论 |
6.1.2 研究不足 |
6.2 研究展望 |
参考文献 |
附录 |
致谢 |
学位论文数据集表 |
(4)钻完井数据综合集成系统中智能检索模型的研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 钻井风险预警国内外研究现状 |
1.2.2 邻近度信息检索模型国内外研究现状 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 相关理论与技术 |
2.1 信息检索概述 |
2.1.1 信息检索模型 |
2.1.1.1 布尔检索模型 |
2.1.1.2 向量空间检索模型 |
2.1.1.3 概率检索模型 |
2.1.1.4 基于统计语言建模的检索模型 |
2.1.2 信息检索模型评价 |
2.2 搜索引擎技术 |
2.2.1 Elasticsearch相关概念 |
2.2.2 Elasticsearch组织架构 |
2.2.3 Elasticsearch倒排序索引 |
2.2.4 Elasticsearch中文分词 |
2.3 本章小结 |
第三章 基于词项权重的最小邻近度概率检索模型研究 |
3.1 相关概念与定义 |
3.2 基于词项权重的最小邻近度度量 |
3.3 基于词项权重的最小邻近度概率检索模型 |
3.4 参数调优与评价 |
3.4.1 TW-MINP-BM25 模型性能评估 |
3.4.2 权重系数α参数影响分析 |
3.5 本章小结 |
第四章 智能案例检索与风险评估模型研究 |
4.1 钻完井事故案例模型构建 |
4.2 智能案例检索与风险评估模型 |
4.2.1 相关参数 |
4.2.2 风险识别算法模型 |
4.2.3 智能案例检索与风险评估 |
4.2.3.1 征兆数据预处理 |
4.2.3.2 征兆数据项相似度计算 |
4.2.3.3 智能案例检索与风险评估方法 |
4.3 本章小结 |
第五章 钻完井风险预警与数据检索模块设计与实现 |
5.1 功能需求与设计 |
5.1.1 实时数据采集方案及通信协议设计 |
5.1.2 索引设计 |
5.1.3 全文检索设计 |
5.1.4 风险预警设计 |
5.2 钻完井风险预警与数据检索模块实现 |
5.2.1 技术架构 |
5.2.2 功能实现 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(5)移动O2O情境下用户信息搜寻行为研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及问题 |
1.1.1 研究背景 |
1.1.2 研究问题 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究内容与方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
1.4 概念界定 |
1.4.1 移动O2O |
1.4.2 信息搜寻 |
1.4.3 信息搜索与信息搜寻的区分 |
1.5 本章小结 |
第2章 理论基础及文献综述 |
2.1 信息搜寻行为相关理论基础 |
2.1.1 信息经济学理论 |
2.1.2 认知理论 |
2.1.3 人机交互理论 |
2.2 信息搜寻行为经典理论与模型 |
2.2.1 问题解决理论 |
2.2.2 意义建构理论 |
2.2.3 ASK理论 |
2.2.4 信息搜寻行为模型 |
2.3 国内外信息搜寻行为研究综述 |
2.3.1 国内信息搜寻行为研究热点分析 |
2.3.2 国外信息搜寻行为研究热点分析 |
2.3.3 信息搜寻研究述评 |
2.4 移动O2O研究综述 |
2.4.1 移动O2O概述 |
2.4.2 国内外移动O2O研究现状 |
2.4.3 移动O2O研究述评 |
2.5 本章小结 |
第3章 移动O2O情境下用户信息搜寻行为模型构建 |
3.1 研究设计 |
3.1.1 研究问题分析 |
3.1.2 研究方法介绍 |
3.2 数据收集 |
3.2.1 样本选择 |
3.2.2 资料收集与整理 |
3.2.3 数据分析工具 |
3.3 编码过程 |
3.3.1 开放性编码 |
3.3.2 主轴性编码 |
3.3.3 选择性编码 |
3.4 理论饱和度检验 |
3.5 模型构建与阐释 |
3.5.1 信息搜寻行为过程 |
3.5.2 信息搜寻行为影响因素 |
3.6 本章小结 |
第4章 移动O2O情境下用户信息搜寻行为驱动因素的实证研究 |
4.1 移动O2O情境下用户信息搜寻行为特征分析 |
4.2 研究模型与假设 |
4.2.1 “动机、机会、能力”(MOA)模型 |
4.2.2 技术接受与使用统一理论(UTAUT) |
4.2.3 研究模型构建 |
4.2.4 研究假设提出 |
4.3 研究方法设计 |
4.3.1 问卷设计 |
4.3.2 数据收集 |
4.4 数据分析与模型验证 |
4.4.1 描述性统计分析 |
4.4.2 信度与效度分析 |
4.4.3 多重共线性与共同方法偏差分析 |
4.4.4 模型验证 |
4.5 结果讨论 |
4.6 本章小结 |
第5章 移动O2O情境下用户信息搜寻过程的实验研究 |
5.1 研究问题 |
5.2 研究设计 |
5.2.1 研究方法 |
5.2.2 样本选择 |
5.2.3 实验任务设置 |
5.2.4 研究变量测度 |
5.2.5 实验流程设计 |
5.3 研究结果分析 |
5.3.1 个体特征对移动O2O情境下用户信息搜寻行为的影响 |
5.3.2 任务特征对移动O2O情境下用户信息搜寻行为的影响 |
5.4 结果讨论 |
5.5 本章小结 |
第6章 移动O2O情境下用户信息搜寻满意度关键影响因素研究 |
6.1 研究设计 |
6.2 数据采集 |
6.2.1 移动O2O情境下用户信息搜寻满意度影响因素集 |
6.2.2 问卷发放与回收 |
6.3 基于信息增益理论的关键影响因素识别和模型构建 |
6.3.1 信息增益值计算 |
6.3.2 关键影响因素识别 |
6.3.3 关键影响因素模型构建 |
6.4 基于支持向量机(SVM)的预测模型构建与精度分析 |
6.4.1 支持向量机(SVM)建模 |
6.4.2 预测模型构建与精度分析 |
6.5 结果讨论 |
6.6 本章小结 |
第7章 移动O2O情境下用户信息搜寻行为引导与优化策略 |
7.1 移动O2O情境下用户信息搜寻行为引导策略 |
7.1.1 触发用户信息需求 |
7.1.2 提高用户信息素养 |
7.1.3 改善信息搜寻环境 |
7.2 移动O2O情境下用户信息搜寻行为优化策略 |
7.2.1 提高信息质量 |
7.2.2 提升服务质量 |
7.2.3 隐私保护与信息安全 |
7.3 本章小结 |
第8章 研究结论与展望 |
8.1 研究结论 |
8.2 研究创新点 |
8.3 研究局限与展望 |
8.3.1 研究局限性 |
8.3.2 未来研究展望 |
参考文献 |
附录 |
附录1 移动O2O情境下用户信息搜寻行为研究过滤式问卷 |
附录2 移动O2O情境下用户信息搜寻行为研究访谈提纲 |
附录3 移动O2O情境下用户信息搜寻行为驱动因素调查问卷 |
附录4 移动O2O情境下用户信息搜寻满意度关键影响因素调查问卷 |
在读期间所取得的科研成果 |
致谢 |
(6)基于词嵌入模型的查询优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 研究背景和意义 |
1.2 研究内容 |
1.3 主要工作及组织结构 |
第二章 相关研究与技术概述 |
2.1 查询扩展技术 |
2.1.1 查询扩展综述 |
2.1.2 查询扩展技术方法 |
2.2 查询推荐技术 |
2.2.1 查询推荐综述 |
2.2.2 查询推荐技术方法 |
2.3 本章总结 |
第三章 基于深层语义特征与词嵌入的语义相关模型 |
3.1 词嵌入模型概述 |
3.2 Word2vec模型研究 |
3.2.1 CBOW模型 |
3.2.2 Skip-Gram模型 |
3.2.3 Word2vec模型常用优化方法 |
3.3 语义相关模型整体结构 |
3.4 基于深层语义特征的语义相关分布提取方法 |
3.4.1 基于近义词林的语义相关分布提取 |
3.4.2 基于HowNet语言知识库的语义相关分布提取 |
3.5 实验 |
3.5.1 实验数据 |
3.5.2 评估指标 |
3.5.3 实验设计 |
3.5.4 实验结果与分析 |
3.6 本章总结 |
第四章 基于多特征融合与词嵌入模型的查询扩展研究 |
4.1 查询扩展整体流程框架 |
4.2 基于多特征融合的扩展词选取算法 |
4.2.1 词性 |
4.2.2 词频 |
4.2.3 词长 |
4.2.4 特征权重 |
4.3 实验 |
4.3.1 实验数据 |
4.3.2 评估指标 |
4.3.3 实验设计 |
4.3.4 实验结果与分析 |
4.4 本章总结 |
第五章 基于日志分析与词嵌入模型的查询推荐研究 |
5.1 查询推荐整体流程框架 |
5.1.1 基于用户日志的候选查询推荐流程 |
5.1.2 基于语义相关模型的查询相似度计算流程 |
5.2 基于用户日志的候选查询推荐提取 |
5.3 基于语义相关模型的查询推荐匹配计算 |
5.4 实验 |
5.4.1 实验数据 |
5.4.2 评估指标 |
5.4.3 实验设计 |
5.4.4 实验结果与分析 |
5.5 本章总结 |
第六章 演示系统的设计与展示 |
6.1 演示系统环境与技术 |
6.1.1 演示系统环境 |
6.1.2 演示系统所用技术 |
6.2 演示系统流程展示 |
6.3 本章总结 |
第七章 总结和展望 |
7.1 主要结论 |
7.2 研究展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(7)基于特征表示学习的文本检索研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景 |
1.1.1 文本检索 |
1.1.2 文本检索的应用 |
1.2 课题的研究意义 |
1.3 课题的研究现状 |
1.3.1 经典统计的文本检索模型 |
1.3.2 深度文本匹配模型 |
1.3.3 文本检索的突出问题 |
1.4 本文的主要工作及研究成果 |
1.5 论文的组织结构 |
第二章 文本检索的基本理论 |
2.1 文本表示 |
2.1.1 基于离散式向量的文本表示 |
2.1.2 基于分布式向量的文本表示 |
2.1.3 基于上下文向量的文本表示 |
2.2 基础检索模型 |
2.2.1 概率模型 |
2.2.2 深度文本匹配模型 |
2.3 文本检索常用的数据集与工具 |
2.3.1 文本检索常用数据集 |
2.3.2 文本检索常用工具 |
2.3.3 文本检索常用评估指标 |
2.4 本章小结 |
第三章 基于显着上下文特征表示的文本检索 |
3.1 引言 |
3.2 相关工作 |
3.3 显着上下文特征表示 |
3.3.1 先导实验 |
3.3.2 显着上下文的定义 |
3.3.3 显着上下文的搜索 |
3.4 上下文显着性的计算 |
3.4.1 显着上下文 |
3.4.2 上下文显着性 |
3.4.3 聚合相关度 |
3.4.4 复杂度分析 |
3.5 实验 |
3.5.1 数据集与实验设置 |
3.5.2 实验结果与分析 |
3.5.3 参数分析 |
3.6 本章小结 |
第四章 基于卷积图拓扑特征表示的文本检索 |
4.1 引言 |
4.2 相关工作 |
4.2.1 BERT模型 |
4.2.2 图卷积网络 |
4.3 基于卷积图拓扑特征表示的检索模型 |
4.3.1 检索模型的网络框架 |
4.3.2 图卷积拓扑特征表示 |
4.3.3 卷积图拓扑特征表示 |
4.3.4 联合排序 |
4.4 实验 |
4.4.1 评测数据集 |
4.4.2 实验设置 |
4.4.3 实验结果与分析 |
4.4.4 参数分析 |
4.5 本章小结 |
第五章 基于交互图拓扑特征表示的文本检索 |
5.1 引言 |
5.2 相关工作 |
5.2.1 图注意力网络 |
5.2.2 注意力机制 |
5.3 基于交互图拓扑特征表示的检索模型 |
5.3.1 检索模型的网络框架 |
5.3.2 图注意力拓扑特征表示 |
5.3.3 交互图拓扑特征表示 |
5.3.4 联合排序 |
5.4 实验 |
5.4.1 实验设置 |
5.4.2 实验结果及分析 |
5.4.3 参数分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
附录 缩略语表 |
致谢 |
攻读学位期间发表的学术论文目录 |
(8)信息素养类慕课的案例分析及面向学术的教学设计研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 绪论 |
一、研究背景 |
(一)信息素养教育倍受重视 |
(二)慕课引领教育发展趋势 |
(三)信息素养慕课日益普及 |
二、研究目的与研究意义 |
(一)研究目的 |
(二)研究意义 |
三、研究方法 |
(一)文献研究法 |
(二)调查研究法 |
四、研究设计 |
(一)研究内容 |
(二)创新点 |
(三)研究方案 |
第二章 文献综述与理论基础 |
一、核心概念界定 |
(一)信息素养 |
(二)慕课 |
(三)教学设计 |
二、信息素养慕课的研究现状 |
(一)慕课建设相关的文献综述 |
(二)信息素养教育相关的文献综述 |
(三)信息素养慕课相关的文献综述 |
三、在线教学设计的理论基础 |
(一)教学设计相关的主要理论 |
(二)在线教学设计的研究现状 |
(三)基于教学设计理论的分析框架 |
第三章 信息素养慕课现状调研 |
一、慕课调研样本选取 |
(一)中国大学MOOC平台介绍 |
(二)样本选取标准 |
(三)样本情况介绍 |
(四)样本分析标准 |
二、信息素养慕课样本分析 |
(一)前期分析 |
(二)教学目标 |
(三)教学内容 |
(四)教学策略 |
(五)教学资源 |
(六)教学评价 |
三、慕课教学设计中的问题及对策 |
(一)学习者分析欠缺 |
(二)目标不明确聚焦 |
(三)教学内容零散化 |
(四)教学方法过于单一 |
(五)教学资源利用不足 |
(六)教学评价缺乏过程性 |
(七)针对当前问题的改进对策和优化建议 |
第四章 面向学术研究的信息素养慕课教学设计 |
一、设计的总体思路 |
(一)培养学术研究能力的重要意义 |
(二)面向学术研究的信息素养慕课特点 |
(三)设计理念及主要标准 |
二、前期分析 |
(一)学习需要分析 |
(二)学习者和环境分析 |
三、教学理念和教学目标的设计 |
(一)教学理念 |
(二)教学目标 |
四、教学内容的设计 |
(一)根据目标和场景确定教学内容 |
(二)具体内容的设计 |
五、教学策略的设计 |
(一)教学组织形式 |
(二)教学顺序 |
(三)教学方法 |
六、教学资源的设计 |
(一)教学课件 |
(二)文档资料 |
(三)软件资源包 |
七、教学评价的设计 |
(一)形成性评价 |
(二)总结性评价 |
第五章 研究总结与展望 |
一、研究总结 |
二、研究展望 |
参考文献 |
(9)基于深度神经网络的问答系统答案选择方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外现状 |
1.2.1 问答系统国外研究现状 |
1.2.2 问答系统国内研究现状 |
1.3 主要研究内容 |
1.4 论文主要内容及结构安排 |
第2章 答案选择数据集及相关技术介绍 |
2.1 数据集介绍 |
2.2 信息检索基础 |
2.2.1 分词 |
2.2.2 去停用词 |
2.2.3 倒排索引 |
2.2.4 BM25 算法 |
2.3 文本向量化 |
2.3.1 TF-IDF算法 |
2.3.2 Word2vec算法 |
2.4 深度神经网络 |
2.4.1 卷积神经网络 |
2.4.2 长短时记忆神经网络 |
2.4.3 Transformer模型 |
2.5 评估指标 |
2.6 本章小结 |
第3章 基于BERT的答案选择模型 |
3.1 迁移学习与BERT算法 |
3.2 BERT算法模型 |
3.2.1 输入层 |
3.2.2 建模层 |
3.2.3 输出层 |
3.3 训练流程 |
3.3.1 数据预处理 |
3.3.2 BERT模型 |
3.3.3 模型输出 |
3.3.4 模型验证 |
3.4 实验结果评估 |
3.5 本章小结 |
第4章 基于MESIM的短文本相似度模型 |
4.1 ESIM算法 |
4.2 MESIM算法模型框架 |
4.2.1 输入层 |
4.2.2 建模层 |
4.2.3 输出层 |
4.3 训练流程 |
4.3.1 数据预处理 |
4.3.2 MESIM模型 |
4.3.3 模型输出 |
4.3.4 模型验证 |
4.4 实验结果评估 |
4.5 本章小结 |
第5章 基于信息检索和答案选择混合问答系统 |
5.1 基于信息检索和答案选择混合问答系统框架 |
5.2 相关模块介绍 |
5.2.1 文本预处理模块 |
5.2.2 BM25 全文检索模块 |
5.2.3 答案选择模块 |
5.3 实验结果分析 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
(10)电子病历搜索引擎中的新词发现和排序技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究的背景及意义 |
1.2 国内外研究历史与现状 |
1.2.1 搜索引擎技术在电子病历中的应用 |
1.2.2 现有研究工作的不足之处 |
1.3 论文的主要研究内容 |
1.4 论文的结构安排 |
第二章 基于词语互信息和左右熵的新词发现改进算法研究 |
2.1 引言 |
2.2 背景技术及解决问题分析 |
2.2.1 相关技术介绍 |
2.2.2 传统中文新词发现算法的缺点 |
2.2.3 基于词语互信息和左右熵的新词发现算法原理介绍 |
2.3 基于词语互信息和左右熵的新词发现改进算法研究 |
2.3.1 预处理改进 |
2.3.2 算法结构改进 |
2.4 实验设计及结果分析 |
2.4.1 实验环境 |
2.4.2 数据集以及预处理 |
2.4.3 实验设计及实验过程 |
2.4.4 实验结果及分析 |
2.5 本章小结 |
第三章 基于AdaRank的电子病历搜索引擎排序算法研究 |
3.1 引言 |
3.2 排序算法问题分析 |
3.2.1 TF-IDF算法 |
3.2.2 BM25 算法 |
3.3 本文用于电子病历搜索的AdaRank算法及实现 |
3.3.1 AdaRank算法原理及优势 |
3.3.2 AdaRank算法在Elasticsearch中的实现 |
3.4 实验设计与结果分析 |
3.4.1 数据集 |
3.4.2 数据标注 |
3.4.3 评估指标 |
3.4.4 对比实验 |
3.4.5 实验结果分析 |
3.5 本章小节 |
第四章 电子病历搜索引擎系统设计与实现 |
4.1 系统需求分析 |
4.2 系统逻辑架构设计 |
4.3 系统设计 |
4.3.1 系统架构设计 |
4.3.2 系统数据库设计 |
4.3.3 Web接口设计 |
4.3.4 算法服务器设计 |
4.4 系统实现 |
4.4.1 硬件环境 |
4.4.2 软件环境 |
4.4.3 Elasticsearch环境的搭建 |
4.4.4 Elasticsearch中插件的安装 |
4.4.5 电子病历部分字段的结构化 |
4.5 系统测试 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
四、如何利用搜索引擎进行信息检索(论文参考文献)
- [1]大学生搜索引擎信息检索行为现状分析[J]. 宣立颖. 吉林化工学院学报, 2021(10)
- [2]查询翻译方法研究——以汉英跨语言信息检索为例[J]. 曲琳琳. 情报科学, 2021(08)
- [3]基于PBL模式的初中《信息技术课程》信息检索教学策略研究[D]. 谭少华. 广东技术师范大学, 2021(12)
- [4]钻完井数据综合集成系统中智能检索模型的研究与实现[D]. 赵一凡. 西安石油大学, 2021(10)
- [5]移动O2O情境下用户信息搜寻行为研究[D]. 曹越. 吉林大学, 2021(01)
- [6]基于词嵌入模型的查询优化方法研究[D]. 方晓. 北方工业大学, 2021(01)
- [7]基于特征表示学习的文本检索研究[D]. 戚园园. 北京邮电大学, 2021(01)
- [8]信息素养类慕课的案例分析及面向学术的教学设计研究[D]. 李冉. 上海外国语大学, 2021(12)
- [9]基于深度神经网络的问答系统答案选择方法研究[D]. 杨方韬. 西北民族大学, 2021(08)
- [10]电子病历搜索引擎中的新词发现和排序技术研究[D]. 吴进发. 电子科技大学, 2021(01)